RSPC v0.4.0 发布:全新中间件架构与类型安全错误处理
RSPC 是一个基于 Rust 的远程过程调用(RPC)框架,专注于为现代应用程序提供类型安全、高效的通信方案。它通过自动生成类型定义和客户端代码,显著简化了前后端交互的开发流程。
重大架构升级
RSPC 0.4.0 版本带来了全新的过程定义语法和中间件架构,这是该项目两年多来最重要的更新。新版本借鉴了 tRPC v10 的设计理念,将中间件从路由器级别迁移到过程级别,大幅提升了组合性和灵活性。
全新过程定义语法
新语法采用了更明确的构建器模式:
pub fn mount() -> Router<Ctx> {
Router::new()
.procedure("login", {
<BaseProcedure>::builder()
.query(|ctx, input: LoginRequest| ...)
})
.procedure("me", {
<BaseProcedure>::builder()
.with(auth())
.query(|ctx, _: ()| ...)
})
}
这种变化使得每个过程都能独立配置自己的中间件链,开发者可以更精细地控制每个端点的行为。
中间件系统重构
新版本的中间件系统进行了全面重构,支持输入和结果类型的转换,并提供了更强大的类型安全保证:
pub fn my_middleware<TError, TCtx, TInput, TResult>() -> Middleware<TError, TCtx, TInput, TResult>
where
TError: Send + 'static,
TCtx: Send + 'static,
TInput: Send + 'static,
TResult: Send + Sync + 'static,
{
Middleware::new(
move |ctx: TCtx, input: TInput, next| async move { next.exec(ctx, input).await },
)
}
这种设计允许中间件在执行过程中修改上下文、输入参数和返回结果,为权限控制、数据转换等场景提供了极大便利。
类型安全错误处理
0.4.0 版本引入了完整的类型安全错误处理机制。开发者可以定义自己的错误类型,这些类型会被自动序列化并通过 Specta 导出到前端:
#[derive(Debug, Error, Serialize, Type)]
#[serde(tag = "type")]
pub enum Error {
#[error("Authentication failed")]
AuthError,
#[error("Database error")]
DatabaseError,
}
impl rspc::Error for Error {
fn into_procedure_error(self) -> rspc::ProcedureError {
rspc::ResolverError::new(self, None::<std::io::Error>).into()
}
}
虽然当前版本的 TypeScript 客户端还不完全支持错误类型推导,但这为未来的完整类型安全错误处理奠定了基础。
迁移策略
对于现有项目,RSPC 提供了平滑的迁移路径:
- 首先将
rspc
依赖替换为rspc_legacy
,保持现有路由正常工作 - 逐步将各个路由迁移到新语法
- 最终移除
rspc_legacy
依赖
这种渐进式迁移策略允许团队在不中断服务的情况下完成升级。
未来展望
RSPC 团队计划在后续版本中发布一系列官方中间件,包括认证、日志、性能监控等常用功能。这些中间件目前已在仓库中积极开发,将进一步提升开发者的生产力。
新架构为 RSPC 生态系统开辟了许多可能性,包括更精细的权限控制、请求/响应转换、分布式追踪等高级功能。随着社区的不断壮大,RSPC 有望成为 Rust 生态中最强大的 RPC 解决方案之一。
对于 Rust 全栈开发者而言,RSPC 0.4.0 标志着项目成熟度的重要里程碑,值得所有关注类型安全网络通信的开发者关注和尝试。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0136AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









