ZenStack 2.14.0 版本发布:性能优化与功能增强
项目简介
ZenStack 是一个基于 Prisma 构建的全栈开发框架,它为开发者提供了数据模型定义、访问控制、自动 API 生成等强大功能。通过扩展 Prisma 的能力,ZenStack 让开发者能够更高效地构建安全、可扩展的后端服务。
核心更新内容
1. Prisma 6.6 支持
本次更新最重要的特性之一是增加了对 Prisma 6.6 版本的支持。值得注意的是,Prisma 6.6 引入了两个重要的实验性功能:
- 新的 prisma-client 生成器:提供了更现代化的客户端生成方式
- ESM 输出支持:为模块化开发提供了更好的支持
虽然这些新特性目前尚未在 ZenStack 中经过完整测试,但团队已经为未来的兼容性做好了准备。开发者在尝试这些实验性功能时需要留意可能的兼容性问题。
2. 代码生成性能大幅提升
针对大型项目的一个重大改进是代码生成性能的优化。通过重构 TypeScript 代码生成逻辑,团队实现了显著的性能提升:
- 对于复杂的数据模型,
zenstack generate命令的执行速度提升了多达 3 倍 - 大型项目中的开发体验得到明显改善
- 迭代开发时的等待时间大幅减少
3. SQLite 的 JSON 字段支持
此次更新中,SQLite 数据库现在可以完整支持类型化的 JSON 字段:
- 开发者可以在 SQLite 中使用
@db.Json类型标注 - 类型系统会正确推断 JSON 字段的结构
- 查询和更新操作都得到了完整的支持
4. 类型导出重构
团队对 @zenstackhq/runtime/models 中的 Prisma 类型和值导出方式进行了重构:
- 提供了更清晰的类型导出结构
- 改善了类型推断的准确性
- 减少了潜在的命名冲突
5. RESTful API 改进
在 API 层面,本次更新带来了多项增强:
- 修复了多关系 ID 过滤问题,现在可以正确处理逗号分隔的多个关系 ID
- 新增了 JSON 值相等性过滤支持
- 提升了 API 的一致性和可用性
6. OpenAPI 生成修复
针对 OpenAPI 规范生成的两个重要问题得到了解决:
- 修复了使用类型化 JSON 字段时可能出现的生成错误
- 解决了输出目录不存在时导致的生成失败问题
技术影响与最佳实践
对于现有项目升级到 2.14.0 版本,开发者需要注意以下几点:
-
性能敏感项目:如果项目中有大型数据模型,升级后将显著改善开发体验,建议评估生成时间的改善程度。
-
SQLite 用户:现在可以放心使用类型化的 JSON 字段,这为本地开发和轻量级部署提供了更多灵活性。
-
API 消费者:新的过滤功能为前端应用提供了更强大的查询能力,可以考虑重构现有查询逻辑以利用这些新特性。
-
类型安全:重构后的类型导出可能会影响一些高级类型用法,建议检查项目中是否有自定义的类型扩展。
社区贡献
本次更新特别欢迎了两位新的贡献者加入,这体现了 ZenStack 项目生态的持续成长。社区驱动的改进为项目带来了更多视角和解决方案。
总结
ZenStack 2.14.0 版本在性能、功能和稳定性方面都带来了显著提升。从 Prisma 最新版本的支持到核心生成器的优化,再到各种边缘案例的修复,这个版本为开发者提供了更强大、更可靠的开发体验。特别值得关注的是代码生成性能的飞跃,这将直接影响大型项目的开发效率。
对于正在评估全栈解决方案的团队,ZenStack 的这个版本展示了其在开发效率和安全保障方面的持续进步。现有用户可以放心升级以获取这些改进,新用户则可以从一个更加成熟稳定的版本开始他们的项目。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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