Huma v2.29.0 版本发布:增强多部分表单处理与参数定制能力
Huma 是一个用于构建 RESTful API 的 Go 框架,它通过 OpenAPI 3.1 规范自动生成文档,并提供强大的输入验证和序列化功能。最新发布的 v2.29.0 版本带来了一系列重要改进,特别是在多部分表单处理、参数定制和路由功能方面。
多部分表单处理能力增强
新版本显著提升了多部分表单的处理能力,现在开发者可以在表单中使用任意类型的字段,这些字段会被自动解析和验证。这种改进使得处理文件上传和结构化数据变得更加灵活和强大。
huma.Register(api, huma.Operation{
OperationID: "upload-and-decode-files"
Method: http.MethodPost,
Path: "/upload",
}, func(ctx context.Context, input *struct {
RawBody huma.MultipartFormFiles[struct {
MyFile huma.FormFile `form:"file" contentType:"text/plain" required:"true"`
SomeOtherFiles []huma.FormFile `form:"other-files" contentType:"text/plain" required:"true"`
NoTagBindingFile huma.FormFile `contentType:"text/plain"`
MyGreeting string `form:"greeting", minLength:"6"`
SomeNumbers []int `form:"numbers"`
NonTaggedValuesAreIgnored string // 会被忽略
}]
}) (*struct{}, error) {
// 处理逻辑...
})
这种设计允许开发者在一个表单中混合文件上传和其他结构化数据,同时保持类型安全和自动验证。
改进的子路由自动补丁支持
自动补丁功能现在能够识别公共路径前缀,这使得在子路由中使用自动补丁变得更加可靠。例如,当 API 路由被组织在 /api 前缀下时,自动补丁功能仍然能够正确工作。
func apiMux() func(chi.Router) {
return func(router chi.Router) {
api := humachi.New(router, humaConfig)
huma.Register(api, huma.Operation{
Method: "GET",
Path: "/ressources/{id}",
}, getRessourceByID)
autopatch.AutoPatch(api) // 现在能正确处理子路由
}
}
这一改进使得大型项目的路由组织更加灵活,同时保持了自动补丁功能的便利性。
参数定制能力增强
v2.29.0 引入了两个新接口,为参数定制提供了更强大的能力:
type ParamWrapper interface {
Receiver() reflect.Value
}
type ParamReactor interface {
OnParamSet(isSet bool, parsed any)
}
开发者可以利用这些接口创建更复杂的参数类型。例如,实现一个可选参数类型:
type OptionalParam[T any] struct {
Value T
IsSet bool
}
func (o OptionalParam[T]) Schema(r huma.Registry) *huma.Schema {
return huma.SchemaFromType(r, reflect.TypeOf(o.Value))
}
func (o *OptionalParam[T]) Receiver() reflect.Value {
return reflect.ValueOf(o).Elem().Field(0)
}
func (o *OptionalParam[T]) OnParamSet(isSet bool, parsed any) {
o.IsSet = isSet
}
这种设计模式使得开发者可以创建符合自己业务需求的参数类型,同时保持与 Huma 框架的无缝集成。
深度对象参数支持
新版本增加了对 OpenAPI deepObject 样式的支持,允许在查询参数中发送结构化数据。这对于需要复杂查询条件的 API 特别有用。
huma.Get(api, "/greeting", func(ctx context.Context, input *struct {
Person Person `query:"person,deepObject"`
Map map[string]string `query:"map,deepObject"`
}) (*GreetingOutput, error) {
// 处理逻辑...
})
客户端可以通过类似 ?person[name]=foo&map[a]=foo 的查询字符串传递结构化数据,服务端会自动解析为对应的 Go 结构体。
其他重要改进
-
外部模式支持:现在可以安全地使用外部 JSON Schema 引用而不会导致 panic,虽然这些外部模式不会被验证,但对于文档生成和客户端开发很有帮助。
-
Fiber 适配器稳定性提升:对 humafiber 适配器进行了重大重构,修复了潜在的竞争条件,并确保测试中启用了竞态检测器。
-
验证优化:修复了可能导致重复验证错误的问题,提升了错误处理的准确性。
-
自定义请求体保留:当开发者提供自定义请求体模式时,Huma 不再覆盖它,这为高级用例提供了更大的灵活性。
总结
Huma v2.29.0 版本在多方面进行了增强,特别是改进了表单处理、参数定制和路由功能。这些改进使得开发者能够构建更灵活、更强大的 RESTful API,同时保持框架的简洁性和类型安全性。对于需要处理复杂输入场景或需要高度定制化参数的开发者来说,这个版本提供了更多可能性。
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