Rage框架v1.16.0发布:原生WebSocket支持与初始化钩子增强
Rage是一个基于Ruby的高性能Web框架,它结合了Ruby的简洁语法与现代Web开发的最佳实践。作为Rails的轻量级替代方案,Rage特别注重性能优化和开发体验,同时保持了Ruby开发者熟悉的开发模式。
原生WebSocket协议支持
本次v1.16.0版本最显著的改进是引入了全新的RawWebSocketJson协议。这一创新特性彻底改变了开发者与Rage::Cable(Rage的实时通信组件)交互的方式。
传统上,Ruby的WebSocket实现通常依赖于Action Cable及其前端库@rails/actioncable。这种架构虽然功能完善,但也带来了额外的依赖和复杂性。Rage团队通过引入RawWebSocketJson协议,现在开发者可以直接使用浏览器原生的WebSocket对象进行通信,无需引入任何额外的前端库。
这种原生支持带来了几个显著优势:
- 更小的包体积:前端应用不再需要包含@rails/actioncable,减少了JavaScript包的大小
- 更简单的集成:直接使用WebSocket API,减少了学习新API的成本
- 更好的性能:去除了中间层,通信更加直接高效
在实际使用中,开发者现在可以这样建立连接:
const socket = new WebSocket("ws://localhost:3000/cable");
socket.onmessage = (event) => {
const data = JSON.parse(event.data);
// 处理消息
};
初始化生命周期钩子
另一个重要改进是新增了after_initialize钩子。这个特性为应用启动过程提供了更精细的控制能力,允许开发者在框架完成初始化后执行自定义代码。
在大型应用中,初始化顺序往往非常重要。有了after_initialize钩子,开发者可以确保某些配置或服务只在框架完全就绪后才开始运行。典型用例包括:
- 数据库连接池的预热
- 缓存预加载
- 后台任务调度器的启动
- 第三方服务连接测试
使用示例:
Rage.configure do |config|
config.after_initialize do
# 在这里放置初始化后需要执行的代码
WarmCacheJob.perform_async
end
end
OpenAPI改进
本次版本还对OpenAPI集成进行了两项重要修复:
- 关联中的key选项:现在能够正确处理模型关联中指定的key选项,确保了API文档生成的准确性
- root_key!方法:修复了在使用root_key!方法时的处理逻辑,使API响应结构更加符合预期
这些改进使得Rage的API文档生成更加可靠,特别是在处理复杂的数据结构时。
测试增强
针对测试工具链,v1.16.0修复了纯文本响应的解析问题。这意味着在RSpec测试中,对于返回纯文本内容的端点,现在能够正确捕获和断言响应内容,提高了测试的准确性和可靠性。
升级建议
对于现有项目,升级到v1.16.0的过程应该是平滑的。主要注意事项包括:
- 如果使用了WebSocket功能,可以考虑迁移到新的原生协议以简化前端代码
- 利用新的after_initialize钩子优化启动流程
- 检查OpenAPI文档生成是否因修复而发生变化
这个版本体现了Rage框架对开发者体验的持续关注,通过减少依赖、增加灵活性和修复痛点,使Ruby Web开发更加高效愉快。无论是新项目还是现有项目,都值得考虑采用这些新特性来提升开发效率和运行时性能。
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
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
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