Open VSX v0.21.0 版本发布:增强存储支持与安全改进
2025-07-05 19:16:43作者:段琳惟
Open VSX 是一个开源的 Visual Studio Code 扩展市场,由 Eclipse 基金会维护。它提供了一个替代微软官方市场的选择,特别适合企业内网部署和开源社区使用。Open VSX 由三个核心组件构成:ovsx 命令行工具、openvsx-webui 前端界面和 openvsx-server 后端服务。
主要更新内容
1. AWS S3 外部存储支持
本次版本最重要的改进之一是增加了对 AWS S3 作为外部文件存储的支持。开发团队通过重构存储层,使得系统现在可以灵活地使用本地文件系统或云存储服务来保存扩展包和其他资源文件。这一改进特别适合大规模部署场景,能够更好地利用云服务的弹性和可靠性特性。
实现上,团队创建了一个统一的存储接口,并通过配置项来切换不同的存储实现。对于使用 S3 的用户,只需在配置文件中设置相应的访问密钥、区域和存储桶名称即可启用这一功能。
2. 安全性增强
v0.21.0 版本包含了多项安全改进:
- 修复了 GHSA-wc7c-xq2f-qp4h 安全漏洞,这是一个潜在的路径遍历问题
- 更新了 express 框架及其依赖的 path-to-regexp 库,确保路由解析的安全性
- 改进了文件存在性检查机制,防止在处理用户上传文件时出现潜在问题
- 对序列化类字段进行了规范化处理,确保数据在传输过程中的完整性
3. 用户体验改进
前端方面,团队对用户界面进行了多项优化:
- 调整了移动端菜单的断点设置,现在在更大的屏幕尺寸下仍会显示完整菜单
- 改进了登录流程,将登录选项整合到主菜单中
- 在"Works With"部分增加了引擎信息展示,帮助用户了解扩展的兼容性
- 优化了命名空间详情表单的显示逻辑,现在只有所有者才能看到编辑表单
4. 开发者体验提升
对于扩展开发者,新版本提供了更好的支持:
- 改进了依赖查询功能,现在对未解析的依赖项查询不区分大小写
- 增加了扩展搜索相关性评分的日志记录,帮助开发者理解搜索结果排序
- 优化了命名空间详情更新机制,使用 detailsUrl 来确保数据一致性
技术细节与架构改进
在底层架构方面,开发团队进行了多项优化:
- 使用 Java 的 Map.entry 替代了 SimpleEntry,提高了代码的简洁性和性能
- 改进了文件资源测试机制,确保 web 资源正确加载
- 修复了变更命名空间操作的相关问题
- 增加了对 OpenShift 部署和 Eclipse Che 开发环境的配置支持
总结
Open VSX v0.21.0 版本在存储支持、安全性和用户体验方面都有显著提升。特别是 AWS S3 存储的支持,为大规模企业部署提供了更好的解决方案。安全性的持续改进也体现了项目对稳定性和可靠性的重视。对于开发者而言,新的日志记录和改进的查询功能将有助于更好地理解和优化自己的扩展。
这一版本的发布进一步巩固了 Open VSX 作为开源 VS Code 扩展市场的地位,为不希望依赖微软服务的用户提供了可靠的选择。无论是个人开发者还是企业用户,都可以从这个版本中获得更好的体验和更强的功能支持。
登录后查看全文
热门项目推荐
相关项目推荐
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-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-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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
138
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.16 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
257
91
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
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
9
1
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++
646
255