http4k 6.12.0.0 版本发布:AI 生态模块重构与LLM核心抽象
http4k 是一个轻量级、函数式的 Kotlin HTTP 工具包,以其简洁的 API 设计和强大的功能性编程特性而闻名。该项目采用纯函数式风格构建 HTTP 应用,从路由到处理程序都遵循不可变原则,非常适合构建高性能、可测试的 Web 服务。
在最新的 6.12.0.0 版本中,http4k 团队对 AI 相关功能模块进行了重大重构,并引入了全新的 LLM(大语言模型)核心抽象层。这一变化标志着 http4k 开始系统性地整合人工智能能力,为开发者提供更统一的 AI 功能接入方式。
模块重组:构建 http4k-ai 生态系统
本次版本最显著的变化是将原有的 AI 相关模块进行了系统性重组,统一归入新命名的 http4k-ai 生态系统中。这种模块化重组带来了几个关键优势:
- 清晰的命名空间:所有 AI 相关功能现在都有明确的
ai命名空间前缀,使项目结构更加清晰 - 更好的可扩展性:为未来可能增加的 AI 功能预留了统一的扩展路径
- 一致的开发体验:遵循 http4k 一贯的函数式风格,使 AI 功能与核心 HTTP 功能无缝集成
原有的 http4k-mcp-* 系列模块已被标记为废弃,并迁移到新的 http4k-ai-mcp-* 命名空间下。虽然这属于破坏性变更,但团队提供了简单的修复方案——只需将导入路径中的 org.http4k.mcp 替换为 org.http4k.ai.mcp 即可完成迁移。
全新 LLM 核心抽象层
6.12.0.0 版本引入了全新的 http4k-ai-llm 模块,这是本次更新的亮点之一。该模块提供了一套精心设计的核心抽象,用于统一不同 LLM 提供商的 API 接口。
设计理念
http4k-ai-llm 模块延续了 http4k 项目的函数式编程哲学:
- 纯函数接口:所有操作都通过纯函数实现,无副作用,便于测试和组合
- 不可变性:请求和响应对象都是不可变的,符合函数式最佳实践
- 类型安全:充分利用 Kotlin 的类型系统,减少运行时错误
核心功能
该抽象层主要解决了以下问题:
- 统一接口:为不同 LLM 提供商(如 OpenAI、Anthropic 等)提供一致的编程接口
- 请求构建:简化 prompt 构建和参数配置过程
- 响应处理:标准化不同提供商的响应格式,便于后续处理
- 流式处理:支持流式响应处理,适合生成长文本场景
使用示例
典型的 LLM 交互代码现在可以写得非常简洁:
val llm: LLM = OpenAI(System.getenv("OPENAI_KEY"))
val response = llm.complete("解释量子力学的基本概念")
println(response.text)
这种设计使得切换不同 LLM 提供商变得非常简单,只需更换实现类即可,业务逻辑代码无需修改。
迁移指南
对于现有用户,特别是使用了 http4k-mcp-* 模块的项目,需要注意以下迁移事项:
- 包名变更:所有
org.http4k.mcp引用需要改为org.http4k.ai.mcp - 依赖更新:在构建配置文件中将
http4k-mcp-*依赖替换为对应的http4k-ai-mcp-* - 功能验证:虽然接口保持兼容,但仍建议进行回归测试
未来展望
http4k 6.12.0.0 版本的发布为项目在 AI 领域的发展奠定了基础。可以预见未来版本可能会:
- 增加更多预置的 LLM 提供商实现
- 提供高级 AI 功能抽象,如对话管理、记忆等
- 优化性能,特别是流式处理场景
- 增强与现有 http4k 生态的集成度
这次更新展示了 http4k 项目在保持核心轻量级特性的同时,积极拥抱新技术趋势的能力。对于需要在 Kotlin 项目中集成 AI 功能的开发者来说,这些改进将显著提升开发体验和代码质量。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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