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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00