OliveTin API启动时无法找到Action的问题分析与修复
问题背景
在OliveTin项目中,用户报告了一个关于API调用Action的间歇性故障问题。具体表现为:当通过API调用某个Action时,系统会抛出"Action requested, but not found"的错误,提示找不到对应的Action。有趣的是,这个问题在用户通过Web界面操作一次后就会消失。
问题现象
用户在使用OliveTin的REST API调用Action时,日志中会出现以下错误信息:
level="info" msg="Action finding by title" actionTitle=""
level="warning" msg="Action requested, but not found" actionTitle=""
而奇怪的是,这个问题并非一直存在,有时能够正常工作,有时则会出现上述错误。用户发现一个临时解决方案:在出现问题时,先通过Web界面执行一次操作,之后API调用就能恢复正常。
根本原因分析
经过项目维护者的深入调查,发现这个问题源于OliveTin内部的一个设计实现细节。OliveTin在内部使用了一个"public action map"机制来管理虚拟Action,这个机制是在几个月前添加实体(entities)功能时引入的。
关键问题在于:这个"public action map"只在Web界面调用/GetDashboardComponents接口时才会被构建。而/GetDashboardComponents接口是在Web界面首次加载时自动调用的。因此,当OliveTin服务刚启动时,如果直接通过API调用Action,由于"public action map"尚未构建,系统就无法找到对应的Action。
解决方案
项目维护者迅速定位了问题并提出了修复方案。修复的核心思路是:在API服务启动时就构建"public action map",而不是等待Web界面首次加载时才构建。这样可以确保API在任何时候都能正常工作,不再依赖于Web界面的先期访问。
修复验证
修复后的版本(2024.05.27)已经发布。根据用户反馈,该修复确实解决了问题。现在用户可以直接通过API调用Action,无需先通过Web界面操作来"激活"系统。
技术启示
这个案例展示了几个重要的技术点:
-
初始化顺序的重要性:系统组件的初始化顺序可能会影响功能可用性,需要仔细设计。
-
依赖关系的管理:API功能不应该依赖于Web界面的先期操作,这种隐式依赖容易导致问题。
-
测试覆盖:需要确保测试覆盖各种使用场景,包括直接API调用而不通过Web界面的情况。
总结
OliveTin团队快速响应并修复了这个API调用问题,体现了开源项目的敏捷性和对用户体验的重视。这个修复确保了API的独立性和可靠性,使OliveTin在自动化集成场景中更加稳定可靠。
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
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