Mill构建工具中Cross.Module模块路径配置的演进
在Mill构建工具中,Cross.Module是一个用于支持跨构建的重要组件。随着Mill版本从0.12.x向1.0演进,其模块路径配置方式也发生了变化,这给开发者带来了一些困惑。
历史背景
在Mill 0.12.x版本中,开发者通常通过重写millSourcePath属性来定义跨模块的源路径。典型用法如下:
trait FooModule extends Cross.Module[String] {
def millSourcePath = super.millSourcePath / crossValue
def sources = Task.Sources(millSourcePath)
}
然而,从Mill 0.12.11开始,millSourcePath被标记为已弃用(deprecated),官方推荐使用新的moduleDir属性替代。但问题在于,在0.12.x版本中moduleDir被声明为final,无法被重写。
技术解析
这一变化背后有几个关键点需要理解:
-
二进制兼容性考虑:Mill 0.12.x需要保持与早期版本(特别是0.11.0)的二进制兼容性。
moduleDir在0.11.0中并不存在,因此不能假设第三方模块会使用或重写它。 -
过渡期设计:在0.12.x中,
moduleDir只是作为millSourcePath的一个便捷访问器,被声明为final以确保兼容性。此时重写millSourcePath仍然是安全的。 -
1.0版本的改变:在Mill 1.0中,
moduleDir不再是final,可以被重写,而millSourcePath则被完全移除。
开发者应对策略
对于不同Mill版本的开发者:
-
使用Mill 0.12.x:可以安全地继续重写
millSourcePath,虽然会收到弃用警告,但这是过渡期的正常现象。 -
计划迁移到1.0:需要准备将所有
millSourcePath的重写改为moduleDir的重写。 -
开发跨版本模块:需要特别注意二进制兼容性问题,避免依赖特定版本的行为。
设计决策分析
Mill团队在这一变更中面临几个技术挑战:
-
平滑迁移:如何在保持向后兼容的同时引导用户使用新API。
-
命名一致性:
millSourcePath到moduleDir的改名是为了提高API的一致性和可读性。 -
二进制兼容性:在支持旧模块的同时推进新功能。
虽然弃用警告在0.12.x中看似没有立即的迁移行动,但它确实为1.0版本的迁移做了重要准备。当用户升级到1.0时,编译器错误会引导他们回到这个弃用警告,从而理解需要进行的更改。
最佳实践建议
-
对于新项目,建议直接使用Mill 1.0及以上的版本。
-
维护中的项目如果还在使用0.12.x,可以暂时忽略
millSourcePath的弃用警告,但应在项目计划中安排向1.0迁移的工作。 -
开发跨构建模块时,建议添加清晰的版本兼容性说明。
Mill构建工具的这一变更展示了大型项目演进过程中API设计的典型挑战和解决方案,理解这些背景有助于开发者更好地使用和维护基于Mill的构建系统。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00