ORPC v0.51.0 发布:增强插件系统与请求处理能力
ORPC 是一个现代化的 RPC 框架,专注于提供简洁高效的远程过程调用解决方案。最新发布的 v0.51.0 版本带来了多项重要改进,特别是在插件系统和请求处理方面有了显著增强。
重大变更
事件迭代器保活配置迁移
本次版本将事件迭代器的保活配置从 .handle 方法迁移到了处理器选项(handler options)中。这意味着开发者现在需要在创建处理器时就定义这些配置,而不是在每次处理请求时指定。这种改变使得配置更加集中化,提高了代码的可维护性。
内部 API 重命名
为了提供更清晰的 API 命名规范,v0.51.0 对多个内部 API 进行了重命名:
HandlerPlugin→StandardHandlerPluginClientOptions→FriendlyClientOptionsClientOptionsOut→ClientOptionsClientPlugin→StandardLinkPluginStandardHandleOptions→FriendlyStandardHandleOptions
这些变更虽然属于破坏性变更,但新的命名更加准确地反映了这些 API 的用途和功能,有助于开发者更好地理解和使用框架。
新特性
请求体大小限制插件
v0.51.0 引入了一个重要的安全特性——请求体大小限制插件(Body Limit Plugin)。这个插件可以帮助开发者防止潜在的拒绝服务攻击(DoS),通过限制请求体的大小来保护服务器资源。
使用示例:
const handler = new RPCHandler(router, {
plugins: [
new BodyLimitPlugin({
maxBodySize: 1024 * 1024, // 限制为1MB
}),
],
})
这个插件可以有效地防止恶意用户发送超大请求体消耗服务器资源,是构建健壮应用的重要工具。
自动前缀检查
新版本简化了路由前缀检查的流程。开发者不再需要手动检查请求路径是否匹配指定的前缀,框架现在会自动处理这一逻辑。这使得代码更加简洁:
export async function fetch(request: Request): Promise<Response> {
const { response } = await handler.handle(request, {
prefix: '/rpc',
context: {} // 提供初始上下文
})
if (response) return response
return new Response('Not found', { status: 404 })
}
其他改进
插件上下文验证
框架现在会在插件缺少必要上下文时抛出错误,这有助于开发者更早地发现配置问题,避免运行时错误。
响应头插件修复
修复了响应头插件(ResponseHeadersPlugin)中存在的上下文引用问题,提高了插件的稳定性和可靠性。
总结
ORPC v0.51.0 通过引入请求体大小限制等安全特性,优化了内部 API 命名,并简化了前缀检查流程,进一步提升了框架的易用性和安全性。这些改进使得 ORPC 更加适合构建生产级的 RPC 服务,特别是对于那些需要高度可定制化和安全性的应用场景。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
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