PMD 7.10.0发布:Java 24支持与安全增强
项目简介
PMD是一款开源的静态代码分析工具,能够帮助开发者在编写代码时发现潜在的问题,如代码风格问题、潜在bug、安全问题等。它支持多种编程语言,包括Java、Apex、JavaScript等,是提升代码质量的重要工具。
主要更新内容
Java 24支持
PMD 7.10.0版本正式加入了对Java 24的支持。虽然Java 24没有引入新的标准语言特性,但包含了几个预览特性:
- JEP 488: 模式匹配中的原始类型(第二次预览)
- JEP 492: 灵活的构造函数体(第三次预览)
- JEP 494: 模块导入声明(第二次预览)
- JEP 495: 简单源文件和实例主方法(第四次预览)
要使用这些预览特性进行分析,开发者需要通过环境变量PMD_JAVA_OPTS启用预览功能,并指定语言版本为24-preview。
安全增强:新的GPG签名密钥
由于旧密钥的安全性考虑,PMD团队决定更换发布签名密钥。新密钥的指纹为2EFA 55D0 785C 31F9 56F2 F87E A0B5 CA1A 4E08 6838。这一变更确保了后续发布的安全性,而之前的发布仍然可信,因为Maven Central是只读的。
PMD Designer更新
此版本包含了PMD Designer的新版本,这是一个可视化规则设计工具,帮助开发者更直观地创建和测试自定义规则。
新规则介绍
新增了Java规则ExhaustiveSwitchHasDefault,用于检测switch语句和表达式是否已经覆盖所有情况但仍包含default分支。这种多余的default分支会阻止在添加新枚举常量时获得编译器错误。
问题修复
- 修复了Apex解析器在处理SOQL查询中的时间字面量时的问题
- 解决了Apex解析器依赖冲突问题
- 修正了Apex安全规则
ApexSuggestUsingNamedCred在使用命名凭据合并字段时的误报 - 解决了Java性能规则
TooFewBranchesForSwitch在枚举switch语句上的误报
API变更
移除了与Java 21和22预览版中字符串模板相关的实验性API,包括ASTTemplate、ASTTemplateExpression和ASTTemplateFragment节点类,因为这些预览特性已被移除。
技术细节
- 依赖项更新:包括PMD核心、Maven插件、Commons库等多个依赖项的版本升级
- 构建工具链改进:增强了构建过程的稳定性和安全性
- 文档完善:将Wiki页面整合到主文档中,提高了文档的完整性和易用性
总结
PMD 7.10.0版本在语言支持、安全性和工具链方面都有显著改进。特别是对Java 24的支持,使开发者能够在新特性稳定前就进行代码质量检查。安全密钥的更新体现了项目对安全性的重视,而新规则的加入则进一步增强了代码分析的能力。
对于开发者来说,升级到PMD 7.10.0可以获得更好的语言支持、更准确的规则检测以及更安全的构建环境。建议使用PMD的项目及时更新,以充分利用这些改进。
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
HunyuanVideo-1.5暂无简介00
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