Electron Forge v7.7.0 发布:全面支持 pnpm 与多项优化
Electron Forge 是一个强大的 Electron 应用程序打包和发布工具链,它简化了 Electron 应用的开发流程,提供了从项目初始化到最终发布的完整解决方案。作为 Electron 生态中的核心工具之一,Forge 持续为开发者提供更高效、更稳定的开发体验。
核心特性更新
正式支持 pnpm 包管理器
本次版本最重要的更新是全面支持 pnpm 包管理器。pnpm 以其高效的磁盘空间利用和快速的安装速度著称,现在 Electron Forge 开发者可以自由选择使用 pnpm 作为项目的包管理工具。这一改进使得开发者在包管理工具选择上有了更大的灵活性,能够根据项目需求选择最适合的工具。
模板系统优化
Vite 模板改进
针对使用 Vite 作为构建工具的项目模板,开发团队进行了多项优化:
- 修正了 ESM 导入方式,确保模块导入更加规范
- 修复了
--force标志在 Vite 模板中的工作问题,现在强制覆盖操作能够正确执行 - TypeScript 版本的 Vite 模板也同步修复了
--force标志问题
基础模板更新
基础模板现在能够正确安装指定版本的 plugin-fuses,解决了之前可能存在的版本兼容性问题,为开发者提供了更稳定的开发基础。
打包配置增强
静默模式可配置化
packagerConfig.quiet 配置项现在完全可配置,开发者可以根据需要灵活控制打包过程中的输出信息,这在自动化构建环境中特别有用,可以减少日志噪音。
平台特定修复
Flatpak 打包改进
针对 ARM64 架构的 Flatpak 打包进行了修复,现在能够正确识别和处理 arm64 架构,为 Linux 平台上的 ARM 设备提供了更好的支持。
命令行工具优化
输出信息精简
CLI 工具的输出信息经过了精心优化:
- 去除了重复的默认信息显示
- 错误处理更加明确,当系统检查失败时会清晰报错
- 整体输出更加简洁专业
性能提升
通过减少不必要的系统检查和包管理器解析调用,CLI 工具的整体响应速度得到了显著提升。特别是:
- 系统检查现在只在执行命令时进行
- Git 检查仅在初始化项目时执行
- 包管理器解析调用次数最小化
开发者体验改进
依赖管理升级
项目升级了多个关键依赖,包括将命令行工具从 v4 升级到 v11,这不仅带来了性能提升,也提供了更现代的 API 支持。同时修复了多个安全依赖问题,提高了项目的整体安全性。
代码质量保障
开发流程中引入了 ESLint 缓存机制,显著加快了代码检查速度。测试套件中重新启用了之前跳过的预构建原生模块测试,提高了测试覆盖率。
项目维护增强
项目维护方面也进行了多项改进,包括清理问题模板、添加自动化 issue 管理机制等,这些改进虽然对最终用户不可见,但将显著提升项目的长期维护质量。
Electron Forge v7.7.0 的这些更新,从核心功能到开发者体验都进行了全面优化,为 Electron 应用开发者提供了更强大、更高效的工具支持。无论是新项目初始化还是现有项目升级,都值得考虑迁移到这个版本。
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