Enso 2025.1.2 版本发布:数据流编程语言的全面升级
Enso 是一款创新的数据流编程语言和开发环境,它将可视化编程与传统的文本编程完美结合,旨在为数据科学家、分析师和开发者提供更高效、更直观的编程体验。Enso 独特的图形化界面允许用户通过连接节点来构建数据处理流程,同时保留了传统编程语言的强大功能和灵活性。
核心功能升级
1. 增强的组件浏览器体验
2025.1.2 版本对组件浏览器进行了重大改进,现在可以显示组件组的列表,并为每个组件提供简短的文档摘要。这使得用户在查找和使用组件时能够获得更丰富的信息,显著提升了开发效率。
对于数值和文本节点的创建也进行了优化。当用户仅输入数字时,系统会智能匹配相关组件,而不再优先显示包含数字的名称。此外,未闭合的文本字面量现在会自动闭合,减少了常见的语法错误。
2. 文档编辑功能强化
文档面板现在支持更丰富的文本编辑功能:
- 新增了编号和嵌套列表的渲染支持
- 添加了编辑顶级Markdown元素的按钮
- 引入了"插入链接"功能按钮
- 支持通过按钮快速设置文本为粗体或斜体
这些改进使得在Enso中编写和维护文档变得更加便捷和专业。
3. 云文件浏览器优化
云文件浏览器获得了多项增强功能:
- 首次打开项目时会自动显示并高亮当前设置的文件
- 在写入新文件的组件中会显示文件名输入框
- 支持在"写入"组件中创建新目录
- 允许重命名现有目录
- 当尝试覆盖现有文件时会显示警告
这些改进使得文件操作更加直观和安全,特别是在处理云端数据时。
标准库重大更新
1. 数据库连接增强
新版本显著扩展了数据库连接能力:
- 实现了通用JDBC连接支持
- 为Snowflake连接器添加了密钥对认证支持
- 新增了通过外部驱动程序的通用JDBC连接功能
- 为Postgres、SQLite、Snowflake和SQLServer添加了
add_group_number方法
这些改进使得Enso能够连接更多类型的数据库,并提供了更灵活的认证方式。
2. 表格处理功能升级
表格处理能力得到多方面增强:
- 新增
Table.offset和Column.offset方法 - 实现了
Table.generate_rows功能 - 为Postgres和Snowflake添加了
Regex_match支持 - 改进了
Vector.zip方法,新增skip_nothing和report_unmatched参数
特别是对于分隔符文件读取,现在当遇到比预期更多列的行时,可以自动添加额外的列到结果中,提高了数据处理的灵活性。
3. 表达式语言扩展
表达式语言获得了多项新功能:
- 支持基本算术运算
- 添加了正则表达式支持
- 新增
pi()和e()函数 - 所有
round方法现在使用Rounding_Mode替代use_bankers标志
这些扩展使得在Enso中编写复杂的数据处理逻辑更加方便和强大。
语言与运行时改进
1. 类型系统增强
类型系统获得了多项重要改进:
- 引入了交集类型和类型检查
- 实现了交集类型的对称、传递和自反相等性
- 无构造函数的类型现在可以设为公开
- 改进了
Any实例方法的调度机制
这些改进使得类型系统更加完善和强大,有助于编写更健壮的代码。
2. 语法与错误处理优化
- 单行内联参数定义现在必须使用括号,否则会报语法错误
- 改进了命名参数不匹配时的错误信息
- 操作符块现在应用于整个前导表达式,而不仅仅是行上的最后一个项
- 注册一个值作为多个托管资源现在会报错
这些改变使得语言更加严谨,有助于减少常见的编程错误。
可视化与用户体验
1. 图表可视化改进
- 表格可视化现在使用服务器端过滤和排序,支持懒加载,大幅提升了大数据集的性能
- 禁用了热图和直方图可视化(当前版本)
- 连接类型的下拉菜单现在使用图标直观展示连接工作原理
2. 节点与连接交互优化
- 修复了删除节点或连接后错误选择节点的问题
- 输出端口"加号"按钮在有现有出站连接时会被隐藏
- 警告和错误消息不再遮挡输出端口,会在悬停时变为半透明
- 为图形编辑器背景添加了右键上下文菜单
3. 文本编辑增强
- 支持编辑多行文本字面量
- 重做栈在与文本字面量交互时不再丢失
- 修复了颜色选择器对选中节点的问题
部署与性能
- 原生镜像模式现在默认启用
- 项目本地库可以添加到
polyglot/lib目录 - 新增进度API
总结
Enso 2025.1.2版本带来了全方位的改进,从核心语言功能到用户界面体验都有显著提升。特别是对数据科学家和分析师而言,增强的数据库连接能力、改进的表格处理功能和扩展的表达式语言使得数据处理工作更加高效。同时,文档编辑和组件浏览器的优化也大大提升了开发体验。
这个版本标志着Enso在成为数据科学和可视化编程领域领先工具的道路上又迈出了坚实的一步。无论是新手还是资深开发者,都能从这个版本中获得更好的编程体验和更高的工作效率。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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