Code.org项目2025年2月发布技术解析
Code.org是一个致力于推广计算机科学教育的非营利组织,通过提供在线编程学习平台和课程资源,让全球学生都能接触和学习编程知识。本次2025年2月的发布包含了多项技术改进和新功能开发,涉及前端组件优化、AI教育功能增强、音乐编程项目改进等多个方面。
前端架构优化
本次发布在前端架构方面进行了多项优化改进。首先移除了内容级别中嵌入的Blockly支持,全面转向使用Google Blockly作为基础组件。这一变化统一了代码库中的Blockly实现,减少了维护成本,同时也能更好地利用Google Blockly的持续更新和改进。
在组件库方面,团队将RadioButton、Toggle和Tooltip等多个UI组件从apps/src/componentLibrary迁移到了统一的component-library包中。这种集中化管理提高了代码复用性,使组件更新和维护更加高效。特别是新增了对tertiary gray iconOnly按钮样式的支持,丰富了UI设计选项。
AI教育功能增强
AI教育功能是本版本的重点改进领域。新增了AI差异化教学的欢迎体验结束页面,并添加了设置has_completed_ai_differentiation_welcome状态的POST请求接口。这些改进完善了AI教学功能的用户体验流程。
在AI聊天功能方面,优化了业务逻辑与UI组件的分离,将聊天相关的业务逻辑从ChatMessage组件中移除,提高了代码的可维护性。同时,对于未分配课程的学生,现在不再显示聊天历史标签页,使界面更加清晰。
音乐编程项目改进
音乐编程项目(Musiclab)进行了多项可用性改进。首先是优化了屏幕阅读器的支持,将按钮更新为tablist结构,使视障用户能够更好地导航和操作。其次是增加了项目背景功能,丰富了音乐创作的环境设置选项。
教学管理功能优化
在教学管理方面,针对新版教师仪表板进行了多项优化。移除了课程版本重定向URL中的section_id参数,使URL更加简洁。同时新增了处理未选择班级情况下的端点支持,提高了系统的健壮性。
在专业发展方面,改进了工作坊活动的日历支持,现在可以生成适用于Apple日历的.ics文件,方便教师将工作坊活动添加到个人日历中。
系统架构改进
在系统架构层面,本次发布明确设置了应用程序和数据库的时区为UTC,避免了时区相关的问题。同时更新了会话存储驱逐警报机制,提高了系统的稳定性和可观测性。
测试与质量保证
团队对测试环境进行了清理优化,并暂时跳过了rubrics容器测试,以解决测试稳定性问题。这些改进有助于提高持续集成管道的可靠性。
总结
Code.org 2025年2月的这次发布体现了团队在技术架构优化和教育功能创新上的持续努力。从前端组件统一化到AI教育功能增强,从音乐编程改进到教学管理优化,各方面都展现了项目对技术质量和用户体验的关注。这些改进不仅提升了平台的稳定性和可维护性,也为全球学生和教师提供了更丰富、更易用的计算机科学学习体验。
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