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。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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