http4k 6.10.0.0版本发布:LangChain集成升级与测试工具增强
http4k是一个轻量级、函数式的HTTP工具包,专为Kotlin语言设计。它提供了一套简洁而强大的API,用于构建HTTP服务和客户端。http4k以其模块化设计和纯函数式风格著称,能够轻松集成到各种现代Java和Kotlin应用中。
核心依赖升级
在6.10.0.0版本中,http4k团队对多个核心依赖进行了版本升级。这些升级不仅带来了性能改进和安全修复,还为开发者提供了更稳定的开发体验。值得注意的是,LangChain4k被升级到了V1版本,这标志着该集成模块已经趋于成熟,为AI和语言模型集成提供了更可靠的基础。
LangChain4J HTTP客户端适配器
本次版本最显著的改进之一是http4k-connect-ai-langchain模块中新增的HTTP客户端适配器实现。这项改进使得http4k的HTTP客户端和测试用的fake实现能够无缝集成到LangChain4J v1的API中。
对于不熟悉LangChain的开发者来说,这是一个重要的集成点。LangChain是一个用于构建基于语言模型应用的框架,而http4k的HTTP客户端适配器现在可以更自然地融入这个生态系统。这意味着开发者可以使用http4k强大的HTTP功能来处理LangChain中的网络请求,包括请求重试、认证、日志记录等高级功能。
重大变更:ChatModel替换ChatLanguageModel
在http4k-connect-ai-langchain模块中,团队进行了API的重大调整——用ChatModel替换了原有的ChatLanguageModel实现。这种变更反映了LangChain4J自身API的演进方向。
虽然这种变更可能会影响现有代码,但这是向更统一、更现代的API设计迈出的重要一步。开发者在升级时需要注意这一变化,并相应调整自己的代码。根据发布说明,这些旧的实现最终将会被完全移除,特别是在所有LangChain模型都支持HTTP客户端注入之后。
测试工具升级与潜在问题
http4k-testing-webdriver和http4k-testing-approval两个测试相关的模块都升级了JSoup依赖。JSoup是一个流行的HTML解析库,广泛用于Web测试和数据提取场景。
需要注意的是,这次JSoup的升级可能会对HTML内容解析产生一些影响。特别是在处理某些非标准HTML时,新版本的解析行为可能与旧版本有所不同。开发者在升级后应该仔细检查测试用例,特别是那些依赖HTML结构断言的部分。
MCP SDK新增取消功能
在http4k-mcp-sdk相关模块中,团队新增了取消操作的能力。这一改进为长时间运行的操作提供了更好的控制机制,使得开发者能够在必要时中断正在执行的流程。
取消功能是现代异步编程中的重要特性,它可以帮助管理系统资源,提高应用的响应性。对于构建复杂、长时间运行服务的开发者来说,这一新增功能将大大提升系统的可控性。
升级建议
对于正在使用http4k的开发者,升级到6.10.0.0版本时需要注意以下几点:
- 如果项目中使用到了LangChain集成,需要检查并更新
ChatLanguageModel到ChatModel的引用 - 对于使用了WebDriver或Approval测试的项目,升级后应该运行完整的测试套件,确保HTML解析没有受到影响
- 考虑利用新的MCP SDK取消功能来优化长时间运行的操作
这个版本在保持http4k一贯的轻量级和函数式风格的同时,通过依赖升级和新功能添加,进一步提升了框架的实用性和与现代技术栈的集成能力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00