Bob ORM v0.32.0 版本发布:查询模板与表达式增强
Bob 是一个用 Go 语言编写的现代化 ORM 框架,它提供了简洁的 API 和强大的功能来操作数据库。Bob 的设计理念强调类型安全和可组合性,使开发者能够以更直观的方式构建复杂的数据库查询。
查询模板与解析器增强
本次 v0.32.0 版本带来了对查询生成模板的支持,这是一个重要的架构改进。开发团队为 SQL 查询构建添加了模板化支持,这意味着开发者现在可以更灵活地定义和重用查询结构。
新增的 Postgres 和 SQLite 查询解析器特别值得关注。这些解析器专门针对 SELECT 语句实现,能够将原始 SQL 查询解析为 Bob 的内部表示形式。这一特性为高级查询分析和优化奠定了基础,也为未来的查询重写功能铺平了道路。
表达式系统改进
表达式系统是 Bob ORM 的核心组件之一,本次更新对其进行了多项增强:
-
新增表达式转换工具:
expr.ToArgs和expr.ToArgGroup函数提供了将切片类型转换为查询参数的便捷方式,简化了批量操作的代码编写。 -
参数处理优化:现在当
Arg和ArgGroup没有值时会被自动设置为NULL,这避免了空值处理时的常见陷阱。 -
类型系统增强:
orm包新增了多个类型,包括ArgWithPosition、ModExpression、ModExecQuery和ModQuery,这些类型为生成的查询代码提供了更好的类型支持和更清晰的语义。
查询构建器 API 改进
查询构建器接口也经历了一系列重要变更:
-
参数类型放宽:多个方法如
clause.With、clause.OrderBy和clause.Windows现在接受更通用的bob.Expression接口而非具体类型,这使得在生成的查询代码中使用这些方法更加方便。 -
锁机制重构:
clause.For被重命名为更具描述性的clause.Locks,并支持同时指定多个锁,提高了复杂事务场景下的表达能力。 -
分页改进:
clause.Fetch现在接受any类型而非仅限于整数,为更灵活的分页策略提供了可能。
其他重要改进
-
枚举类型支持:现在可以通过
db_type匹配 PostgreSQL 中的枚举类型,这为使用数据库原生枚举提供了更好的支持。 -
MySQL 插入修复:解决了使用 MySQL 驱动时检索插入行的问题,提高了数据一致性。
-
钩子函数优化:视图的插入操作不再触发
BeforeInsertHooks,这修正了一个可能导致意外行为的问题。 -
关系加载增强:添加了自定义比较支持,使得关系加载更加灵活,能够处理更复杂的关联场景。
向后兼容性说明
虽然本次更新包含了一些破坏性变更,但大多数都是针对内部 API 的改进。主要需要注意的变化包括:
clause.OrderBy.SetOrderBy()方法已被移除,应改用新的ClearOrderBy()方法- 多个方法的参数类型从具体类型改为接口,可能需要调整部分现有代码
clause.For重命名为clause.Locks,需要更新相关代码
总体而言,v0.32.0 版本为 Bob ORM 带来了更强大的查询构建能力和更灵活的类型系统,同时保持了框架的简洁性和易用性。这些改进为构建更复杂、更高效的数据库应用提供了坚实的基础。
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