Solon v3.3.0 发布:AI 能力增强与全栈优化
Solon 是一个轻量级、高性能的 Java 应用开发框架,它提供了从 Web 开发到微服务、从数据访问到云原生支持的全栈能力。最新发布的 Solon v3.3.0 版本带来了多项重要更新,特别是在 AI 能力集成方面有了显著增强,同时对框架核心和周边组件进行了全面优化。
AI 能力的三次迭代
Solon v3.3.0 对 solon-ai 模块进行了第三次预览,标志着框架在 AI 集成方面日趋成熟。这次更新带来了几个关键改进:
-
架构重构:将 solon-ai 拆分为 solon-ai-core 核心模块和 solon-ai-model-dialects 方言适配模块,这种模块化设计使得模型适配更加灵活,开发者可以根据需要选择特定的模型方言插件。
-
工具调用优化:移除了专用的 ToolParam 注解,转而使用框架通用的 Param 注解,这种统一的设计减少了学习成本,提高了 API 一致性。同时,MethodToolProvider 取消了对 Mapping 注解的支持,确保了跨生态体验的统一性。
-
模型配置增强:新增的 model.options(o->{}) 方法支持多次调用,为模型配置提供了更大的灵活性,开发者可以分阶段配置模型参数。
MCP 微控制协议的完善
solon-ai-mcp 模块迎来了第二次预览,这个微控制协议为 AI 服务间的通信提供了标准化方案:
-
资源与提示语服务:新增了 ResourceMapping 和 PromptMapping 注解,开发者可以轻松定义资源和提示语服务端点。
-
客户端增强:McpClientToolProvider 更名为 McpClientProvider 并实现了更多接口,同时增加了 httpProxy 配置支持,为复杂网络环境下的部署提供了便利。
-
服务端优化:McpServerEndpoint 现在支持 AOP 和实体参数,开发者可以像开发普通 Web 服务一样开发 AI 服务端点。
核心框架的改进
Solon 核心框架也进行了多项重要更新:
-
参数注解默认值调整:Cookie、Header、Param 注解的 required 属性默认值改为 true,这一变化使得这些注解在 MCP 场景下的复用更加自然,同时也提醒开发者更明确地处理参数缺失情况。
-
文件处理增强:Utils.getFile 方法修复了 Windows 平台下的绝对路径问题,同时 UploadedFile 新增了基于 File 的构造方法,简化了文件上传处理。
-
泛型处理修复:解决了由泛型桥接方法引起的泛型失真问题,提升了类型系统的可靠性。
数据访问与集成
在数据访问方面,v3.3.0 引入了重要改进:
-
新增 Ds 注解:为统一数据源注入做准备,这一注解将简化多数据源配置。
-
EntityConverter 接口:新增的接口可能在未来替代 Render 和 ActionExecuteHandler,为实体转换提供更统一的处理方式。
-
新增 seata-solon-plugin:为分布式事务提供了官方支持,完善了微服务场景下的数据一致性保障。
HTTP 与网络通信优化
网络通信层也有多项改进:
-
nami 增强:新增了对文件上传的支持,可以自动识别 File 或 UploadedFile 参数类型并转为 FORM_DATA 提交。同时支持了 solon Mapping 相关注解,简化了客户端开发。
-
HttpUtils 代理支持:新增了 HttpProxy 类和 proxy 方法,为需要通过代理访问外部服务的场景提供了便利。
-
空提交支持:修复了 OkHttpUtils 和 nami-channel-http 不支持 POST 空提交的问题,提升了接口兼容性。
序列化与数据格式
序列化方面的重要改进包括:
-
Fastjson2 修复:解决了全局时间格式化与个别注解格式化冲突的问题,确保了时间处理的灵活性。
-
JsonPropsUtil 优化:将 apply 方法分解为多个专用方法,使配置更加精准和高效。
总结
Solon v3.3.0 是一个功能丰富的版本,特别是在 AI 集成方面取得了显著进展。从核心框架到周边组件,从数据访问到网络通信,这次更新都带来了实质性的改进和新特性。这些变化不仅增强了框架的能力,也提高了开发者的生产力,使 Solon 成为一个更加成熟和全面的 Java 应用开发解决方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00