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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00