SQLKata QueryBuilder 4.0.0 版本发布:现代化升级与功能增强
SQLKata QueryBuilder 是一个优雅的 SQL 查询构建器,它允许开发者使用流畅的 API 构建 SQL 查询,同时支持多种数据库引擎。这个工具特别适合那些希望在应用程序中构建复杂 SQL 查询而不想直接编写原始 SQL 的开发团队。
框架升级与现代化改进
本次发布的 4.0.0 版本将目标框架升级到了 .NET 8,这是微软最新的长期支持(LTS)版本。这一变化意味着:
- 开发者现在可以利用 .NET 8 的性能改进和新特性
- 项目将获得更长的官方支持周期
- 移除了用于开发测试的 Program 项目,使项目结构更加精简
核心功能增强
删除连接支持
新版本增加了对 DELETE JOIN 操作的支持,这在处理需要基于关联表条件删除数据的场景时非常有用。例如,现在可以轻松实现"删除所有没有订单的客户"这类操作。
参数占位符改进
修复了参数占位符硬编码为"?"的问题,这使得 QueryBuilder 能够更好地适应不同数据库系统的参数化查询语法要求。例如,SQL Server 使用"@"前缀,而 Oracle 使用":"前缀。
FILTER 子句支持
新增了对 FILTER 子句的支持,这是 PostgreSQL 等现代数据库系统中的高级特性,允许对聚合函数进行条件过滤,使查询更加灵活和高效。
查询构建优化
EXISTS 子句优化
移除了 WHERE EXISTS 子查询中不必要的 SELECT 语句,使生成的 SQL 更加简洁高效。这一优化特别有利于复杂查询的性能提升。
多行选择表达式
现在支持在多行中编写扩展的选择表达式,提高了复杂查询的可读性和维护性。开发团队可以更清晰地组织包含多个字段或复杂计算的 SELECT 语句。
稳定性与兼容性改进
Oracle 批量插入修复
解决了 Oracle 数据库在批量插入操作中的问题,确保了在大数据量插入场景下的稳定性和性能。
参数占位符转义
新增了对参数占位符的转义支持,防止了在包含问号的文本值被误解析为参数占位符的情况。
代码质量提升
- 为从未修改的私有字段添加了 readonly 修饰符,增强了代码的安全性和可维护性
- 更新了 Newtonsoft.Json 依赖版本,从 11.0.2 升级到 13.0.2,获得了最新的功能和安全修复
总结
SQLKata QueryBuilder 4.0.0 版本标志着该项目的一个重要里程碑,不仅跟上了 .NET 生态系统的最新发展,还引入了多项实用功能和改进。这些变化使得构建复杂 SQL 查询更加简单、灵活,同时保持了代码的高质量和跨数据库兼容性。对于正在使用或考虑使用 SQL 查询构建器的 .NET 开发者来说,这个版本值得关注和升级。
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