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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
754
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
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
337
179
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248