SQLAlchemy 2.0.39 版本发布:ORM与SQL功能增强解析
SQLAlchemy 是一个流行的 Python SQL 工具包和对象关系映射(ORM)框架,它提供了完整的SQL功能和强大的ORM层。最新发布的2.0.39版本带来了一系列重要的改进和修复,主要集中在ORM功能增强、SQL语句处理优化以及特定数据库方言的支持上。
ORM功能改进
本次版本对ORM层进行了多项重要修复。首先是解决了使用DML返回语句(如Insert.returning())时,当ORM模型包含带有子查询的column_property()构造时会失败的问题。这个修复使得开发者可以更灵活地在ORM操作中使用返回子句,同时结合复杂的属性定义。
另一个重要改进是修复了多表DML语句(如UPDATE和DELETE)中,当使用RETURNING子句时无法正确返回非主表映射列的问题。这意味着现在可以在ORM操作中更自由地跨多表进行数据修改,并获取相关表的返回结果。
版本还优化了ORM语句的识别机制,现在即使在使用复杂的多部分操作符表达式(如Cls.attr + Cls.attr + Cls.attr)时,也能正确识别为ORM语句并应用相应的ORM行为。
SQL语句处理优化
在SQL核心层,2.0.39版本引入了对AddConstraint和DropConstraint构造的新参数isolate_from_table,这个参数控制约束是否应该从"CREATE TABLE"序列中分离出来。这一改变使得开发者可以更精确地控制约束的创建方式,特别是在需要单独添加或删除约束的场景下。
数据库方言特定改进
对于PostgreSQL用户,这个版本修复了多个重要问题:
- 修复了网络类型(INET、CIDR、MACADDR等)比较时的不必要VARCHAR转换问题,提高了查询效率
- 改进了FOR UPDATE OF子句在子查询中的处理
- 修复了PostgreSQL 17.3及以上版本中域(domain)反射的问题
SQLite用户则会注意到修复了同时配置WITH ROWID和STRICT表选项时的语法生成问题,现在会正确生成逗号分隔的选项列表。
异步支持改进
在异步(asyncio)支持方面,修复了AsyncResult的scalar()、scalar_one_or_none()和scalar_one()方法因缺少内部属性而引发的AttributeError问题,使得异步查询更加稳定可靠。
类型注解增强
类型提示方面,现在支持了复合查询(如union、union_all等)的泛型类型,返回类型会正确地匹配第一个查询的类型,为开发者提供了更好的类型检查支持。
总结
SQLAlchemy 2.0.39版本虽然是一个小版本更新,但包含了多项对开发者体验有实质性提升的改进。从ORM层的DML操作增强,到SQL语句生成的优化,再到特定数据库方言的修复,这些改进都使得SQLAlchemy在数据访问层的表现更加稳定和强大。对于正在使用SQLAlchemy的项目,特别是那些依赖复杂ORM操作或多数据库支持的项目,升级到这个版本将能获得更好的开发体验和运行时稳定性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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