Starlette 0.46.0 版本发布:中间件优化与重要改进
Starlette 是一个轻量级的 ASGI 框架/工具包,它为构建高性能的异步 Web 服务提供了基础组件。作为 FastAPI 的底层框架,Starlette 在 Python 异步 Web 开发领域扮演着重要角色。最新发布的 0.46.0 版本带来了一系列值得关注的改进和优化。
GZipMiddleware 中间件增强
本次更新对 GZipMiddleware 进行了两项重要改进:
-
Vary 头部的强制添加:现在当响应可以被压缩时,中间件会确保始终添加 Vary 头部。这个改进解决了缓存一致性问题,确保中转服务器和浏览器能够正确处理压缩和非压缩版本的资源。
-
服务器发送事件(SSE)支持:中间件现在会智能地跳过对服务器发送事件(Server-Sent Events)的压缩。SSE 是一种基于 HTTP 的服务器向客户端推送数据的技术,保持其流式特性对于实时应用至关重要。
异常处理改进
BaseHTTPMiddleware 现在能够正确地传播后台任务中的异常。在之前的版本中,后台任务中的异常可能会被静默忽略,导致难以调试的问题。这一改进使得错误处理更加透明和可靠。
多部分表单解析器参数重命名
MultiPartParser 中的 max_file_size 参数已被重命名为 spool_max_size。这个更名更好地反映了参数的实际用途 - 控制文件数据在内存中的最大缓冲大小。虽然旧名称仍然可用,但建议开发者迁移到新参数名以获得更好的代码可读性。
测试客户端超时参数废弃
TestClient 的 timeout 参数现在被标记为废弃。这个变化是为了引导开发者使用更现代的异步测试模式。在测试异步应用时,直接控制事件循环的超时通常能提供更精确的测试行为。
总结
Starlette 0.46.0 版本虽然是一个小版本更新,但包含了对生产环境非常重要的改进。特别是 GZipMiddleware 的增强使得它在处理各种响应类型时更加健壮,而异常处理的改进则提升了开发体验。这些变化体现了 Starlette 项目对稳定性和开发者体验的持续关注。
对于现有项目,建议开发者特别关注 MultiPartParser 的参数变更和 TestClient 的废弃警告,适时进行代码更新以避免未来兼容性问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00