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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00