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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00