OpenAI-Kotlin 4.0.0版本发布:全面拥抱Kotlin 2.0与WasmJs支持
OpenAI-Kotlin是一个基于Kotlin语言开发的OpenAI API客户端库,它为开发者提供了便捷的方式来访问OpenAI的各种人工智能服务。该项目遵循OpenAI API的更新,同时充分利用Kotlin语言的特性,为开发者提供类型安全、协程友好的API调用体验。
重大更新:Kotlin 2.0与Ktor 3.0迁移
本次4.0.0版本最核心的变化是全面升级至Kotlin 2.0和Ktor 3.0。这一升级带来了多项性能改进和新特性支持:
-
Kotlin 2.0:引入了更快的编译器、改进的类型推断系统以及更高效的代码生成。特别是对于协程的支持更加完善,这对于需要大量异步操作的AI API调用尤为重要。
-
Ktor 3.0:作为Kotlin生态中的HTTP客户端/服务器框架,3.0版本带来了更简洁的API设计和性能提升。在OpenAI-Kotlin中,这意味着网络请求处理更加高效稳定。
-
okio到kotlinx.io的迁移:这是一个重要的底层变更,kotlinx.io是JetBrains官方推出的I/O库,与Kotlin生态集成更紧密,提供了更符合Kotlin习惯的API。
新增WasmJs目标支持
4.0.0版本新增了对WasmJs编译目标的支持,这是一个重大特性扩展:
- 开发者现在可以将OpenAI-Kotlin编译为WebAssembly,在浏览器环境中直接运行
- 这意味着前端开发者可以在JavaScript环境中无缝使用Kotlin代码调用OpenAI API
- 结合Kotlin/Wasm的特性,可以获得接近原生性能的AI功能集成
助手与聊天功能增强
本次更新对助手(Assistant)和聊天(Chat)功能进行了多项改进:
-
结构化响应支持:现在助手API可以返回结构化数据,而不仅仅是文本。这使得处理复杂响应更加方便,开发者可以直接获取格式化后的JSON数据。
-
ChatCompletionRequest改为数据类:这一变更使得创建聊天完成请求更加简洁,可以利用Kotlin数据类的特性如复制修改等。
-
助手流式支持:新增了流式处理能力,对于长文本生成场景,可以实现逐块接收响应,提升用户体验。
运行工具调用改进
文件搜索工具调用(file search tool calls)现在得到了更好的支持。这一改进主要影响:
- 开发者可以更便捷地实现基于文件内容的AI问答功能
- 文件处理流程更加标准化,与OpenAI官方API保持同步
- 错误处理和类型安全得到增强
升级建议与兼容性说明
由于本次更新包含多项重大变更,开发者在升级时需要注意:
- Kotlin 2.0要求项目同步升级构建工具和插件版本
- okio到kotlinx.io的迁移可能需要修改部分I/O相关代码
- 新加入的WasmJs支持需要配置相应的编译目标
- 结构化响应等新特性需要调整现有代码以适应新的API设计
总体而言,4.0.0版本标志着OpenAI-Kotlin进入了一个更加成熟、功能更全面的阶段,特别是对现代Web开发和结构化数据处理的支持,使得它成为Kotlin开发者接入OpenAI服务的首选工具。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C099
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00