gql 4.0.0 beta版本发布:GraphQL客户端重大升级
项目简介
gql是Python生态中一个功能强大的GraphQL客户端库,它提供了与GraphQL服务器交互的完整解决方案。作为一个全功能的GraphQL客户端,gql支持查询、变更、订阅等所有GraphQL操作类型,并提供了多种传输层实现,包括HTTP、WebSocket等。该项目特别注重对异步编程的支持,与Python的asyncio生态深度集成。
4.0.0 beta版本核心变更
请求传输机制重构
本次版本最重大的变化是彻底重构了请求传输机制,引入了GraphQLRequest对象作为核心数据结构。在之前的版本中,开发者需要分别传递文档节点(DocumentNode)、变量值和操作名称三个参数。现在,这三个组件被封装在一个GraphQLRequest对象中,使得API更加整洁和一致。
这种改变带来了几个显著优势:
- 代码组织更加清晰,相关参数被自然地分组在一起
- 减少了方法签名长度,降低了API复杂度
- 为批量请求等高级功能提供了更好的基础支持
文件上传接口改进
文件上传功能得到了显著改进,引入了专门的FileVar类来处理文件上传。虽然旧的上传方式仍然可用,但已被标记为废弃。新的FileVar类提供了更明确和类型安全的方式来处理文件上传,减少了潜在的错误。
订阅任务取消处理优化
在订阅任务取消时的异常处理得到了改进。之前版本会吞没asyncio.CancelledError异常,现在这些异常会正常抛出,开发者需要自行处理这些取消异常。这种改变使得取消行为更加符合Python异步编程的预期。
连接失败异常封装
现在gql会捕获依赖库抛出的异常,并将其封装为TransportConnectionFailed异常。这种统一的异常处理机制使得错误处理更加一致和可靠,开发者可以更容易地识别和处理连接问题。
重要新功能:批量请求支持
4.0.0版本引入了完整的批量请求支持,这是本次更新的一个重要亮点。批量请求允许将多个GraphQL操作合并为单个HTTP请求发送到服务器,可以显著减少网络开销和提高性能。
新版本提供了两种批处理方式:
- 显式批处理:通过
execute_batch方法手动执行批量操作 - 自动批处理:框架自动将短时间内发出的多个请求合并为批量请求
这种批处理机制不仅适用于异步传输层,也适用于同步传输层,为不同类型的应用场景提供了灵活性。
其他改进
日志记录级别现在统一设置为DEBUG,为开发者提供了更详细的调试信息。同时,内省查询现在默认会请求已弃用的输入字段,确保向后兼容性。
迁移建议
对于现有项目升级到4.0.0版本,开发者需要注意以下几点:
- 所有使用
gql或dsl_gql的地方需要检查返回值处理,现在返回的是GraphQLRequest而非DocumentNode - 文件上传代码应迁移到使用新的
FileVar类 - 订阅代码需要添加对
asyncio.CancelledError的处理 - 异常处理代码可能需要调整以适应新的异常封装机制
这个beta版本标志着gql库的一个重要里程碑,为GraphQL客户端开发提供了更强大、更一致的基础设施。虽然包含了一些破坏性变更,但这些改进为未来的功能扩展和性能优化奠定了坚实基础。
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