Pants构建工具2.25.0.dev4版本发布:增强环境变量支持与构建优化
Pants是一个现代化的构建系统,专注于为大型代码库提供快速、可扩展的构建体验。它采用Python编写,支持多种编程语言和工具链,通过智能的依赖分析和并行执行来加速构建过程。
本次发布的2.25.0.dev4版本带来了多项实用改进,主要集中在环境变量处理和构建流程优化方面。作为开发版本,它展示了Pants团队在持续改进构建体验方面的最新成果。
环境变量处理增强
新版本对环境变量的支持进行了显著增强。首先,现在可以在远程执行环境中使用{chroot}标记来替换环境变量值,这为分布式构建提供了更大的灵活性。其次,extra_env_vars配置现在支持fnmatch风格的glob模式匹配,使得环境变量的管理更加灵活和强大。
这些改进特别适合需要根据不同构建环境动态配置变量的场景。例如,开发者现在可以轻松地为特定模式的构建目标设置不同的环境变量,而无需为每个目标单独配置。
构建流程优化
在构建流程方面,新版本修复了无限符号链接问题,并会记录违规者,这有助于开发者更快地定位和解决构建中的文件系统问题。此外,对openDAL库的更新解决了与AWS和GitHub Actions相关的问题,提升了云环境下的构建稳定性。
元数据推断改进
PBS(可能指Pants Build System)相关的元数据现在可以直接从URL推断,这一改进简化了配置过程,减少了手动配置的工作量。这种自动推断机制使得项目配置更加简洁,同时降低了出错的可能性。
工具链更新
Python代码格式化工具Black的默认版本从23.12升级到了24.8,带来了最新的代码风格检查和格式化功能。同时,新增了对Ruff报告生成的支持,Ruff是一个快速的Python代码检查工具,这一集成使得开发者能够更方便地获取代码质量报告。
总结
Pants 2.25.0.dev4版本虽然在版本号上标记为开发版,但已经包含了许多实用的生产环境改进。从环境变量处理的增强到构建流程的优化,再到工具链的更新,这些变化都体现了Pants团队对开发者体验的持续关注。对于使用Pants进行大型项目构建的团队来说,这些改进将带来更流畅、更可靠的构建体验。
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