marimo项目0.13.3版本发布:交互式笔记本的全面升级
marimo是一个创新的Python交互式笔记本工具,它通过响应式编程模型彻底改变了传统笔记本的工作方式。与Jupyter Notebook不同,marimo采用基于变量的自动依赖跟踪机制,当某个单元格的变量发生变化时,所有依赖该变量的单元格都会自动重新执行,无需手动触发。这种设计显著提升了数据分析和探索的效率,同时保证了代码状态的确定性。
核心功能增强
1. Markdown编辑体验升级
本次版本对Markdown编辑器进行了重大改进,新增了在r-string和f-string格式间无缝切换的能力。开发者现在可以直接在Markdown编辑器中编辑f-string格式的内容,并在{ }括号内获得完整的Python自动补全支持。这一特性特别适合需要在Markdown中嵌入动态内容的场景,比如生成包含实时数据的文档。
2. 多列笔记本布局优化
新版本引入了可调整宽度的列布局功能,用户可以轻松拖动分隔线来调整多列笔记本中各列的宽度。这一改进显著提升了复杂布局下的编辑体验,使得在有限屏幕空间内组织内容变得更加灵活高效。
3. 数据源连接能力扩展
0.13.3版本大幅增强了与各类数据源的连接能力:
- PyIceberg集成:现在可以直接连接Iceberg表,支持REST、Glue等多种协议,连接后表结构会自动显示在数据源面板中。
- Ibis支持增强:Ibis连接现在能够自动填充数据库和schema信息到数据源面板。
- 新增连接类型:通过"添加连接"界面,现在可以直接配置PySpark、Datafusion和MotherDuck等数据源。
开发体验改进
1. Sandbox模式支持Markdown
开发者现在可以使用marimo edit --sandbox mynotebook.md命令以沙盒模式编辑Markdown笔记本。沙盒模式会自动跟踪和记录依赖关系,为文档开发提供了更安全的环境。
2. 文档工具集成
新版本加强了对主流文档工具的支持:
- Quarto集成:可以直接打开
.qmd文件,支持导出多种格式,还能通过专用扩展将响应式marimo笔记本嵌入Quarto站点。 - MkDocs支持:提供了详细指南说明如何将交互式marimo笔记本和playground嵌入MkDocs站点。
3. 智能编码辅助
- SQL中的Python自动补全:在SQL查询中使用
{ }参数化时,现在可以获得Python变量的智能补全。 - 代码编辑器优化:改进了状态刷新机制,提升了编辑流畅度。
性能与稳定性提升
- 表格和图表加载优化:通过改进数据传输格式,减少了不必要的网络往返,显著提升了大数据量下的渲染性能。
- Windows兼容性改进:修复了语言服务器在Windows平台上的工作问题。
- 日期处理修复:解决了日期渲染导致"Invalid Date"显示的问题。
开发者工具链增强
- Ruff可选化:将Ruff设置为可选依赖,当未安装时会回退到全局Ruff或提示安装。
- 文件上传限制可配置:增加了对
mo.ui.file()上传大小限制的配置能力。 - 编辑器快捷键自定义:提供了注释行操作的快捷键配置选项。
总结
marimo 0.13.3版本通过全方位的功能增强和体验优化,进一步巩固了其作为现代化Python交互式笔记本工具的地位。从Markdown编辑到数据连接,从开发体验到性能表现,每个方面的改进都体现了团队对开发者需求的深入理解。特别是对PyIceberg、Ibis等数据生态的深度集成,使得marimo在数据科学工作流中的实用性得到显著提升。这些改进共同构成了一个更加强大、灵活且用户友好的交互式计算环境。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00