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。
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-1.5暂无简介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
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
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