Deno标准库2025.05版本发布:异步处理与集合操作增强
Deno标准库作为Deno运行时的重要组成部分,为开发者提供了丰富的基础功能模块。在2025年5月13日发布的版本中,主要对异步处理、集合操作等核心功能进行了优化和增强。本文将详细介绍这次更新的技术亮点。
异步处理模块(@std/async)改进
在1.0.13版本中,修复了abortable函数的一个重要问题。当Promise被拒绝时,该函数现在能够正确防止未捕获的错误。这一改进使得异步操作的错误处理更加健壮,开发者可以更安全地使用可中止的异步操作。
集合操作模块(@std/collections)功能增强
1.1.0版本带来了多项重要更新,主要围绕集合操作的稳定性提升和新功能添加:
-
迭代器输入稳定性:现在
chunk、dropLastWhile、dropWhile、intersect、sample、slidingWindows、sortBy、takeLastWhile、takeWhile和withoutAll等方法都正式支持Iterable类型的输入。这意味着开发者可以更灵活地使用这些方法处理各种可迭代对象。 -
新增循环迭代器工具:在unstable命名空间下添加了
cycle迭代器工具,它可以无限循环给定的可迭代对象。这个功能在处理需要循环遍历的数据时特别有用。
数据结构模块(@std/data-structures)扩展
1.0.8版本为BinarySearchTree添加了四个实用的新方法:
ceiling: 返回大于等于给定键的最小键floor: 返回小于等于给定键的最大键higher: 返回严格大于给定键的最小键lower: 返回严格小于给定键的最大键
这些方法增强了二叉搜索树的查询能力,使其在范围查询等场景下更加实用。
测试相关模块改进
测试相关的多个模块(@std/expect、@std/testing、@std/internal)在1.0.12-1.0.16版本中统一改进了断言检查机制。现在如果开发者使用了expect.hasAssertion或expect.assertions但没有进行检查,系统会抛出错误。这一改变有助于开发者编写更可靠的测试代码,避免遗漏重要的断言检查。
其他重要修复
-
字节处理(@std/bytes 1.0.6):修复了
concat()方法,现在可以正确处理只读字节数组。 -
环境变量(@std/dotenv 0.225.4):新增支持URL作为环境文件路径类型,提高了配置灵活性。
-
HTTP服务(@std/http 1.0.16):修正了文件服务器响应中的Date头设置问题,现在使用默认值而非强制设置。
-
TOML解析(@std/toml 1.0.6):修复了NaN值的处理,现在会使用小写形式表示。
总结
Deno标准库2025.05版本在保持稳定性的同时,对多个核心模块进行了功能增强和问题修复。特别是集合操作模块的迭代器支持稳定化和二叉搜索树查询方法的扩展,为开发者处理复杂数据结构提供了更多便利。测试相关模块的改进则进一步提升了代码质量保障能力。这些更新体现了Deno团队对开发者体验的持续关注和对功能稳定性的重视。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00