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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00