Rhai脚本语言v1.21.0版本发布:原生函数绑定与调用增强
Rhai是一个轻量级、嵌入式脚本语言,专为Rust生态系统设计。它提供了动态类型、高阶函数等现代脚本语言特性,同时保持了与Rust代码的高效互操作性。Rhai特别适合需要运行时脚本扩展能力的应用场景,如游戏逻辑、业务规则引擎等。
核心功能增强:原生Rust函数绑定
本次v1.21.0版本最值得关注的特性是新增了将原生Rust函数和闭包直接绑定为脚本函数指针的能力。通过新增的FnPtr::from_dn和FnPtr::from_dyn_fn方法,开发者可以将Rust函数包装成脚本可调用的函数指针对象。
这一特性极大地扩展了Rhai与宿主Rust代码的交互能力。以往要实现类似功能,通常需要通过注册全局函数的方式,现在则可以直接在脚本中创建和传递这些函数指针。例如,开发者可以:
- 将Rust中的业务逻辑函数直接暴露给脚本调用
- 实现更灵活的回调机制
- 构建高阶函数组合,实现更复杂的控制流
函数调用API增强
新版本对函数调用API进行了多项改进:
-
EvalContext新增了call_fn、call_native_fn、call_fn_raw和call_native_fn_raw等方法,为开发者提供了更细粒度的函数调用控制能力。这些方法特别适合需要精确控制调用环境或处理特殊调用场景的情况。 -
新增了
Engine::collect_fn_metadata内部方法,用于收集所有函数的元数据。这一改进主要服务于错误报告系统,当脚本调用不存在的函数时,能够提供更准确和友好的错误信息,显著提升了开发调试体验。
稳定性与兼容性改进
在稳定性方面,本次更新修复了几个关键问题:
-
修复了原始字符串(raw strings)处理中的bug,确保了字符串解析的准确性。
-
将
get_fn_metadata_list函数标记为volatile,明确了其可能在不同调用间返回不同结果的特性。 -
修复了
no-std与sync特性同时启用时的构建问题,增强了特殊配置下的兼容性。
技术影响与最佳实践
对于Rhai用户而言,v1.21.0版本带来的新特性开启了一些新的使用模式:
-
混合编程模式:现在可以更自然地在脚本和原生代码间传递函数,实现真正的混合编程范式。
-
错误处理改进:利用新的函数元数据收集功能,开发者可以构建更健壮的错误处理系统,特别是在动态生成脚本代码的场景下。
-
性能考量:虽然新特性增加了灵活性,但需要注意频繁在脚本和原生代码间传递函数可能带来的性能开销,在性能敏感场景应进行适当评估。
总体而言,Rhai v1.21.0在保持轻量级特性的同时,进一步丰富了与Rust生态的集成能力,为嵌入式脚本场景提供了更强大的工具集。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00