Changesets CLI 2.28.0版本发布:新增Prettier格式化配置选项
Changesets是一个用于管理项目版本变更和变更日志的工具,它通过自动化版本控制和变更日志生成,帮助开发团队更高效地管理项目发布流程。该项目特别适用于monorepo架构,能够处理多个包的版本依赖关系。
本次发布的Changesets CLI 2.28.0版本引入了一个重要的新特性:允许用户通过配置选项禁用Prettier格式化功能。这一变化为开发者提供了更大的灵活性,特别是对于那些不使用Prettier作为代码格式化工具的项目。
新增Prettier配置选项
在之前的版本中,Changesets会默认使用Prettier对生成的变更日志和版本文件进行格式化。虽然这一功能对于大多数项目来说非常有用,但对于那些不使用Prettier或者有特殊格式化需求的项目来说,可能会造成不便。
新版本中,开发者可以通过在配置文件中设置prettier: false来禁用这一功能:
{
"prettier": false
}
这一变化体现了Changesets团队对开发者工作流程多样性的尊重,允许团队根据自身需求定制工具行为。
相关依赖包更新
为了支持这一新功能,Changesets生态系统中的多个相关包也进行了更新:
- @changesets/types升级到6.1.0版本
- @changesets/config升级到3.1.0版本
- @changesets/write升级到0.4.0版本
这些更新确保了整个工具链对新配置选项的支持一致性。
对开发者的影响
对于大多数开发者来说,这一变化不会影响现有工作流程。如果你已经在使用Prettier,可以继续像以前一样工作,无需任何修改。而对于那些不使用Prettier的团队,现在可以通过简单的配置来避免不必要的格式化步骤。
这一改进特别适合以下场景:
- 项目使用其他格式化工具(如ESLint、Biome等)
- 项目有自定义的代码风格要求
- 在CI/CD环境中希望减少不必要的依赖和步骤
升级建议
建议使用Changesets的团队尽快升级到2.28.0版本,特别是如果你有以下需求:
- 需要禁用Prettier格式化
- 希望保持依赖包的最新状态
- 正在评估Changesets是否适合你的项目
升级过程通常很简单,只需更新package.json中的版本号并重新安装依赖即可。对于大多数项目来说,这一升级应该是向后兼容的,不会引入破坏性变化。
总结
Changesets CLI 2.28.0版本的发布进一步提升了工具的灵活性和适应性。通过允许开发者禁用Prettier格式化,Changesets现在能够更好地适应各种不同的开发环境和项目需求。这一变化展示了Changesets团队对开发者体验的持续关注,以及他们致力于提供可配置、非侵入式工具的理念。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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