Solon v3.1.2 发布:增强流程引擎与AI集成能力
Solon 是一个轻量级、高性能的 Java 应用开发框架,专注于简化企业级应用的开发过程。它提供了从 Web 开发到微服务架构的全栈支持,同时保持了极低的资源消耗和快速的启动速度。Solon 的设计哲学强调"约定优于配置",通过合理的默认值和简洁的API帮助开发者快速构建可靠的应用程序。
核心功能增强
流程引擎插件体系完善
本次发布的 v3.1.2 版本显著增强了 Solon 的流程引擎能力,新增了多个关键插件:
-
solon-flow-stateful:为流程引擎添加了状态管理能力,使得复杂业务流程的状态跟踪更加容易实现。
-
表达式计算插件系列:
- solon-flow-eval-aviator:集成 Aviator 表达式引擎
- solon-flow-eval-beetl:集成 Beetl 模板引擎
- solon-flow-eval-magic:集成 Magic 脚本引擎
这些插件为流程引擎提供了灵活的表达式计算能力,开发者可以根据项目需求选择合适的表达式引擎来处理业务逻辑。
- 接口设计优化:
- 将 ChainContext 更名为 FlowContext
- 将 ChainDriver 更名为 FlowDriver
- 新增 Container 和 Evaluation 接口定义
这些变更使得流程引擎的API命名更加直观,降低了新用户的学习曲线,同时为未来的功能扩展打下了更好的基础。
AI 能力扩展
Solon 在人工智能集成方面也取得了进展:
-
新增 solon-ai-repo-chroma 插件:提供了对 Chroma 向量数据库的支持,增强了AI应用的向量检索能力。
-
优化现有AI插件:
- 改进了 solon-ai-repo-tcvectordb 插件的相似度处理算法
- 优化了 solon-ai-repo-elasticsearch 插件的相似度计算
这些改进使得基于Solon构建的AI应用能够更准确地进行语义搜索和相似度匹配。
框架核心改进
新特性引入
-
Entity 类支持:新增了 Solon Entity 类及渲染支持,简化了数据实体与视图层之间的交互。
-
插件管理增强:
- 添加 SolonApp::pluginGet 方法,方便获取插件实体
- 将 Solon.cfg().plugs() 更名为 plugins,使API命名更加规范
-
响应式编程支持:
- 添加 Context:returnValue 方法,提供手动模式下响应式支持
- 将 ActionReturnHandler 更名为 ReturnValueHandler,使其适用范围更广
性能与稳定性优化
-
HTTP工具增强:
- 优化 HttpUtils 添加了 contentType 和 accept 便捷方法
- 改进 ServerSentEvent 类,使其兼容各种序列化方案
- 调整 TextStreamUtil 缓冲大小至 1KB,平衡内存使用与性能
-
服务器配置改进:
- 将 HttpServerProps 和 WebSocketServerProps 改为实例化,支持插件动态重启
- 异常处理改为弱性,提高系统鲁棒性
-
问题修复:
- 解决了 solon-data 缓存注解不能正确处理泛型数据的问题
- 修复了 solon-rx CompletableImpl 异常传递丢失的问题
- 修正了 Context.outputAsHtml 缺少 body 标记输出的缺陷
依赖项升级
Solon v3.1.2 同步更新了多个关键依赖项:
- maven-compiler-plugin 升级至 3.14.0
- native-maven-plugin 升级至 0.10.6
- maven-plugin-plugin 升级至 3.15.1
- snakeyaml 升级至 2.4
- slf4j 升级至 2.0.17
- liquor 升级至 1.5.2
- nacos2 升级至 2.5.1
- sa-token 升级至 1.41.0
这些升级带来了更好的性能、安全性和兼容性,同时也解决了已知的安全问题和缺陷。
总结
Solon v3.1.2 是一个功能丰富的中期版本,主要聚焦于流程引擎的完善和AI能力的增强。通过新增多个专业插件和优化现有功能,Solon 进一步巩固了其作为全栈Java开发框架的地位。对于需要构建复杂业务流程或集成AI能力的企业应用,这个版本提供了更加强大和灵活的工具集。
框架核心的持续改进也体现了Solon团队对开发者体验的重视,从API命名的优化到响应式编程支持的增强,都旨在让开发者能够更高效、更愉快地使用Solon构建应用程序。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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