setup-php 2.33.0版本发布:全面支持Arm架构与PHP 8.4
setup-php是一个广受欢迎的GitHub Action工具,它能够帮助开发者在GitHub Actions工作流中快速配置PHP环境。这个工具极大地简化了PHP项目的CI/CD流程,支持多种PHP版本、扩展和工具的安装。最新发布的2.33.0版本带来了一系列重要更新和改进。
Arm架构Ubuntu运行器支持
本次更新最引人注目的特性是新增了对Arm架构Ubuntu运行器的支持。开发者现在可以在工作流中使用ubuntu-24.04-arm和ubuntu-22.04-arm作为运行环境。这一改进使得基于Arm架构的服务器或设备也能充分利用GitHub Actions的强大功能。
jobs:
run:
runs-on: ubuntu-24.04-arm
steps:
- name: Setup PHP
uses: shivammathur/setup-php@v2
with:
php-version: '8.4'
环境兼容性调整
随着技术发展,setup-php 2.33.0版本决定停止对Ubuntu 20.04的支持。这一变化反映了开源社区对最新稳定版本的偏好,同时也确保了用户能够获得更好的安全性和性能。开发者需要将工作流迁移到Ubuntu 22.04或24.04版本。
PHPUnit安装机制优化
新版本改进了PHPUnit的安装逻辑,解决了在新版本发布时的过渡期问题。现在,当PHPUnit新版本刚发布但尚未完全可用时,系统会自动回退到上一个稳定版本,确保构建过程不会中断。这一改进特别适合那些依赖持续集成环境的项目。
安全性与稳定性增强
setup-php 2.33.0在安全性方面也有所提升,将PPA源从HTTP升级到了HTTPS协议。同时增加了对Launchpad API的备用调用机制,减少了自托管运行器上可能出现的签名验证失败问题。
对于工具目录的管理也更加灵活,现在可以通过TOOLS_DIR环境变量自定义工具安装目录:
- name: Setup PHP
uses: shivammathur/setup-php@v2
with:
php-version: '8.4'
env:
TOOLS_DIR: '/tmp/tools'
扩展支持改进
新版本扩展了对多个PHP扩展的支持:
- 完全支持PHP 8.4上的blackfire和ionCube扩展
- 改进了phalcon和zephir_parser扩展的兼容性
- 增强了OCI扩展(pdo_oci和oci8)在自托管运行器上的支持
- 修复了openswoole的缓存支持问题
- 优化了relay扩展的hiredis库链接过程
工具链更新
setup-php 2.33.0还对开发者工具链进行了多项改进:
- 修正了composer-normalize工具版本在日志中的显示问题
- 更新了PHP-CS-Fixer的仓库源
- 改进了自托管运行器上的文件获取锁定机制
- 修复了macOS上修补扩展时的警告信息
总结
setup-php 2.33.0版本的发布标志着该项目在支持多样化运行环境、提高稳定性和安全性方面又迈出了重要一步。特别是对Arm架构的支持,为开发者提供了更广泛的部署选择。这些改进使得setup-php继续保持着作为PHP项目CI/CD流程中不可或缺的工具地位。
对于现有用户,建议尽快升级到新版本,并考虑将工作流迁移到受支持的Ubuntu版本。新用户可以轻松地通过GitHub Marketplace获取这个强大的工具,开始构建更高效、更可靠的PHP项目自动化流程。
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