SchemaStore项目中PDM脚本配置的keep_going字段支持问题分析
在Python依赖管理工具PDM的脚本配置中,composite类型脚本支持一个名为keep_going的布尔类型参数。这个参数的作用是控制当脚本中的某个子命令执行失败时,是否继续执行后续命令。
根据PDM官方文档的描述,keep_going是一个可选参数,开发者可以将其设置为true来确保即使某个子命令失败,整个复合脚本也会继续执行剩余命令。然而,在SchemaStore项目提供的JSON Schema验证文件中,这个参数尚未被包含在验证规则中。
这个问题首先在Visual Studio Code编辑器中被发现,当开发者在pyproject.toml文件中尝试使用keep_going参数时,Even Better TOML插件会报出验证错误。这是因为插件依赖SchemaStore项目提供的JSON Schema来验证配置文件,而当前的schema定义没有包含这个参数。
从技术实现角度来看,这个问题需要在SchemaStore项目的partial-pdm.json文件中进行修改。具体来说,需要在composite脚本类型的定义中添加keep_going字段的声明,将其类型设置为boolean,并标记为可选参数。这样的修改将确保工具链能够正确识别和验证这个参数,同时保持向后兼容性。
对于开发者而言,这个问题的解决意味着他们可以在配置文件中更灵活地控制复合脚本的执行行为。特别是在复杂的构建流程中,有时某些非关键步骤的失败不应该中断整个构建过程,这时keep_going参数就非常有用。
这个问题虽然看起来是一个简单的schema定义遗漏,但它实际上反映了开源项目中文档与实现之间保持同步的挑战。同时也展示了开发者工具链中各组件(如编辑器插件、schema验证、核心工具)之间需要紧密配合才能提供流畅的开发体验。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00