Serverless Step Functions 3.23.0版本发布:多模板支持与JSONata增强
Serverless Step Functions是一个基于Serverless Framework的插件,它允许开发者在AWS上轻松创建和管理Step Functions状态机。Step Functions是AWS提供的一项服务,用于协调多个AWS服务的工作流,特别适合构建复杂的企业级应用程序。
版本亮点
最新发布的3.23.0版本带来了两个重要功能增强:
1. 多自定义模板支持
在之前的版本中,开发者只能使用单一模板来定义Step Functions的状态机。3.23.0版本引入了多模板支持功能,这意味着:
- 可以在项目中维护多个状态机模板文件
- 根据不同的环境或场景选择不同的模板
- 更好地组织大型项目中的复杂工作流
- 实现模板的模块化和复用
这项改进特别适合企业级应用场景,开发者可以将不同业务领域的状态机分离到不同模板中,提高代码的可维护性。
2. JSONata查询语言的Arguments支持
对于使用Lambda集成的工作流,3.23.0版本增强了对JSONata查询语言的支持:
- 现在可以在Lambda调用的Arguments部分使用JSONata表达式
- JSONata是一种专门为JSON数据设计的查询和转换语言
- 这项增强使得在Step Functions中处理复杂JSON数据更加灵活
- 开发者可以编写更简洁的数据转换逻辑
JSONata支持在处理API响应或数据库查询结果时特别有用,可以避免编写冗长的JavaScript代码来处理JSON数据。
技术实现分析
多模板功能的实现采用了插件架构的设计模式,通过扩展模板加载机制来支持多个模板文件。开发者现在可以在配置中指定多个模板路径,插件会在部署时合并这些模板。
JSONata支持则是通过增强状态机的定义解析器实现的。插件现在能够识别Arguments部分中的JSONata表达式,并在部署前将其转换为AWS Step Functions支持的格式。
升级建议
对于现有项目,升级到3.23.0版本是平滑的:
- 更新package.json中的插件版本
- 检查现有模板是否使用了新版特性
- 测试工作流以确保兼容性
对于新项目,建议直接采用3.23.0版本,充分利用多模板和JSONata支持带来的开发效率提升。
总结
Serverless Step Functions 3.23.0版本的发布,进一步提升了在Serverless架构中管理工作流的便利性。多模板支持为大型项目提供了更好的组织结构,而JSONata增强则简化了复杂数据转换的实现。这些改进使得开发者能够更高效地构建和维护基于Step Functions的Serverless应用。
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-1.5暂无简介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