oRPC v0.28.0发布:端到端类型安全的错误处理机制
oRPC是一个现代化的RPC框架,专注于为TypeScript开发者提供类型安全的远程过程调用体验。在最新发布的v0.28.0版本中,oRPC引入了一个令人兴奋的新特性——端到端类型安全的错误处理机制,这极大地提升了开发者在处理API错误时的开发体验。
类型安全的错误处理
新版本的核心特性是引入了完全类型化的错误处理系统。开发者现在可以明确定义API可能抛出的各种错误类型及其数据结构,这些类型信息会在整个调用链中保持完整,从后端到前端都能获得完全的类型提示。
const createPost = os
.errors({
CONFLICT: {
data: z.object({
why: z.string(),
}),
},
})
.handler(({ errors }) => {
throw errors.CONFLICT({ data: { why: 'some reason' } })
})
在这个示例中,我们定义了一个createPost操作,它可能抛出CONFLICT错误,并且这个错误携带一个包含why字符串字段的数据对象。通过这种方式,错误类型和数据结构都被明确地定义和类型化。
客户端错误处理
在客户端,开发者可以方便地处理这些类型化的错误:
const [data, error] = await safe(createPost({ title: 'title' }))
if (error && isDefinedError(error)) {
const data = error.data // 类型安全地访问错误数据
}
对于使用React Query的开发者,错误处理也同样简单:
const mutation = useMutation(orpc.createPost.mutationOptions({
onError(error) {
if (isDefinedError(error)) {
const data = error.data // 类型安全地访问错误数据
}
},
}))
架构调整
为了简化维护和提升稳定性,v0.28.0版本做出了一些架构调整:
-
移除了
@orpc/react包,因为它的维护复杂度较高,而@orpc/react-query提供了更简单且功能相同的解决方案。 -
暂时移除了
@orpc/next包,这是由于Next.js中存在一些意外行为导致的。开发团队正在与Next.js团队合作解决这些问题,计划在未来的oRPC版本中重新引入这个包。
技术价值
这个版本的更新为开发者带来了几个重要的技术优势:
-
更好的开发体验:类型安全的错误处理减少了运行时错误,IDE可以提供更好的代码补全和类型检查。
-
更健壮的代码:明确定义的错误类型使开发者能够更全面地处理各种错误场景。
-
前后端一致性:错误类型和数据结构的定义在后端和前端保持一致,减少了沟通成本和潜在的错误。
-
简化维护:通过移除复杂度高的包,框架变得更加精简和易于维护。
oRPC v0.28.0的这些改进展示了团队对开发者体验和代码质量的持续关注,为构建更可靠、更易维护的应用程序提供了坚实的基础。
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