structlog 25.4.0版本发布:异常组支持与Python 3.13兼容性升级
structlog是一个强大的Python结构化日志记录库,它通过处理器链的方式提供了灵活且可扩展的日志记录功能。与标准库logging模块相比,structlog更注重于结构化数据的记录,使得日志信息更易于解析和分析。
主要更新内容
Python 3.13.4兼容性修复
本次发布的一个重要背景是即将到来的Python 3.13.4版本中包含了一个向后不兼容的变更。这个变更影响了logging.Logger.isEnabledFor()方法的行为:当有日志条目正在处理时,该方法现在会始终返回False。
这一变化主要影响了structlog标准库集成中的structlog.stdlib.filter_by_level()功能。开发者应当在升级Python 3.13.4之前先升级structlog到25.4.0版本,以确保日志过滤功能正常工作。
异常组支持
25.4.0版本引入了对Python异常组(Exception Groups)的支持,这一功能借鉴了Rich库的实现方式。异常组是Python 3.11引入的新特性,允许将多个异常作为一个组抛出和处理。
structlog的tracebacks模块现在能够正确处理异常组,新增了两个重要字段:
is_group: 布尔值,标识是否为异常组exceptions: 包含所有子异常的列表
这一改进使得structlog能够更全面地捕获和记录复杂的异常情况,特别是在异步编程场景中,异常组的使用越来越普遍。
其他改进
异常美化处理器修复
ExceptionPrettyPrinter处理器现在能够正确尊重exception_formatter参数,而不是总是使用默认的格式化器。这意味着开发者可以更灵活地自定义异常信息的显示方式。
技术细节
对于异常组的支持实现,structlog采用了类似Rich库v14.0.0的处理方式。异常组中的每个子异常都会被递归处理,最终形成一个完整的异常跟踪树。这种处理方式特别适合复杂的并发编程场景,能够清晰地展示异常之间的关系。
在性能方面,structlog保持了其一贯的高效特性。即使增加了异常组的支持,日志处理的性能开销仍然保持在最低水平。
升级建议
对于正在使用structlog的项目,特别是那些计划升级到Python 3.13.4的项目,强烈建议尽快升级到25.4.0版本。升级过程通常是无缝的,但需要注意以下几点:
- 如果项目中使用了自定义的异常处理器,可能需要检查它们是否能够正确处理异常组
- 在Python 3.13.4环境下,确保所有依赖
filter_by_level的功能都经过充分测试 - 对于复杂的异步应用,可以利用新的异常组支持来获得更详细的错误信息
structlog 25.4.0继续保持了项目的稳定性和可靠性,同时增加了对Python最新特性的支持,为开发者提供了更强大的日志记录工具。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00