Sqruff v0.27.0 发布:T-SQL 支持与架构优化
Sqruff 是一个开源的 SQL 代码质量检查工具,它能够帮助开发者在编写 SQL 时发现潜在的问题,提高代码质量。最新发布的 v0.27.0 版本带来了多项重要改进,包括对 T-SQL 方言的支持、架构优化以及多项功能增强。
主要更新内容
T-SQL 方言支持
v0.27.0 版本新增了对 Microsoft SQL Server 的 T-SQL 方言支持。这一改进使得 Sqruff 现在能够更好地识别和理解 T-SQL 特有的语法结构,为使用 SQL Server 的开发团队提供更精准的代码检查。
T-SQL 作为 SQL Server 的扩展语言,包含了许多特有的语法元素,如变量声明、存储过程、触发器等。Sqruff 现在能够正确处理这些语法结构,为开发者提供更全面的代码质量保障。
架构优化
本次版本对项目内部架构进行了重大调整:
-
模块结构扁平化:移除了基础的 base 模块,简化了整个项目的模块层次结构。这一改变使得代码组织更加清晰,降低了维护复杂度。
-
性能优化:移除了对 PHF(Perfect Hash Function)库的依赖,改用更高效的实现方式。这一改变减少了二进制文件大小,同时提高了运行效率。
-
依赖项精简:对项目依赖进行了仔细审查,移除了不必要的特性,如
serde_with的未使用特性,进一步优化了构建过程。
命令行工具改进
CLI 工具进行了以下改进:
-
移除了交互式修复提示功能,改为使用
--check标志来控制检查行为。这一改变使得工具在自动化环境中使用更加方便。 -
修复了 Docker 构建问题,确保容器化部署更加稳定可靠。
-
解决了 Python 3.11 构建兼容性问题,扩展了运行环境支持范围。
构建与部署改进
v0.27.0 版本在构建和部署流程上也做了多项优化:
-
更新了安装说明,使新用户能够更轻松地开始使用 Sqruff。
-
改进了 CI/CD 流程,在测试命令中添加了
--no-fail-fast选项,确保所有测试都能完整执行,即使部分测试失败。 -
更新了多项依赖项版本,包括 Prettier、Docker 构建工具等,保持技术栈的现代性。
总结
Sqruff v0.27.0 是一个重要的里程碑版本,它不仅扩展了对 T-SQL 方言的支持,还通过架构优化提升了整体性能。这些改进使得 Sqruff 能够更好地服务于更广泛的 SQL 开发场景,同时保持了工具的高效性和易用性。
对于使用 SQL Server 的开发团队,这一版本提供了更专业的代码检查能力;对于所有用户,架构优化带来的性能提升和稳定性改进都将带来更好的使用体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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