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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









