Cheshire Cat AI核心框架中的权限声明简化方案
2025-06-28 03:17:11作者:邵娇湘
背景介绍
在Cheshire Cat AI框架中,开发者经常需要为自定义端点实现权限控制。当前版本中,权限声明需要引入多个依赖项并编写较为冗长的代码,这在一定程度上影响了开发体验和代码可读性。
当前实现方式分析
目前,开发者需要按照以下方式声明一个需要权限控制的端点:
from fastapi import Depends
from cat.mad_hatter.decorators import endpoint
from cat.auth.connection import HTTPAuth
from cat.auth.permissions import AuthPermission, AuthResource
@endpoint.get("/hello")
def my_endpoint(stray=Depends(HTTPAuth(AuthResource.MEMORY, AuthPermission.LIST))):
return {"answer": 42, "userId": stray.user_id}
这种实现方式存在几个可以改进的地方:
- 需要导入多个模块和类
- 语法较为冗长
- 依赖注入的声明不够直观
改进方案设计
为了提高开发体验,我们提出了一种更简洁的权限声明方式:
from cat.mad_hatter.decorators import endpoint
from cat.auth.permissions import permissions_check
@endpoint.get("/hello")
def my_endpoint(stray=permissions_check("MEMORY", "LIST")):
return {"answer": 42, "userId": stray.user_id}
这个改进方案具有以下优势:
- 减少了必要的导入语句
- 使用字符串参数替代枚举值,更直观
- 封装了底层的依赖注入细节
- 保持了相同的功能完整性
技术实现细节
permissions_check辅助函数的设计需要考虑以下几个方面:
- 参数验证:需要验证传入的字符串参数是否对应有效的权限枚举值
- 依赖注入兼容性:需要保持与FastAPI依赖注入系统的兼容性
- 错误处理:需要提供清晰的错误提示,帮助开发者快速定位问题
- 向后兼容:需要支持新旧两种调用方式,确保不影响现有代码
命名一致性建议
在框架的不同部分,对于StrayCat实例的命名存在不一致的情况(如cat和stray)。为了减少混淆,建议在整个框架中统一使用cat作为参数名,因为:
- 更符合框架的整体命名风格
- 与hook和tool中的命名保持一致
- 更直观地表达了这是一个Cheshire Cat实例
实际应用价值
这种改进虽然看似简单,但能带来显著的开发体验提升:
- 降低学习曲线:新开发者更容易理解权限声明的方式
- 减少样板代码:每个端点可以节省2-3行导入语句
- 提高可读性:代码意图更加清晰明确
- 统一风格:促进整个项目的代码一致性
总结
权限控制是Web应用开发中的重要环节,通过简化其声明方式可以显著提升开发效率和代码质量。Cheshire Cat AI框架的这一改进体现了对开发者体验的关注,同时也保持了框架的灵活性和强大功能。这种改进思路也可以应用到框架的其他方面,持续优化开发体验。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
342
406
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178