Scala Steward 0.33.0 版本发布:构建工具支持与配置增强
Scala Steward 是一个专注于自动化管理 Scala 项目依赖的工具,它能够帮助开发者保持项目依赖的最新状态,自动创建 Pull Request 来更新过时的依赖项。最新发布的 0.33.0 版本带来了多项重要改进,特别是在构建工具支持和配置灵活性方面。
核心功能增强
构建工具支持扩展
新版本显著增强了对多种构建工具的支持:
-
Mill 构建工具改进:现在可以编辑
.mill文件,并从build.mill和build.mill.scala文件中提取 Mill 插件依赖。同时优化了 Mill 0.11 的运行参数,使用--disable-ticker替代了--ticker false。 -
Scala CLI 支持:新增了对 Scala CLI 构建中 Scalafix 迁移的支持,同时禁用了内置的 Scala CLI 规则,确保迁移过程更加稳定。
-
Gradle 版本目录解析:现在能够从 Gradle Version Catalogs 中提取依赖信息,扩展了对 Gradle 构建系统的支持范围。
配置灵活性提升
0.33.0 版本在配置方面做了多项优化:
-
多解析器支持:现在可以配置多个默认解析器,为依赖解析提供更大的灵活性。
-
Pull Request 长度限制:新增了可配置的最大 Pull Request 长度限制,避免生成过长的更新说明。
-
配置类优化:所有配置类中的值现在都变为可选,提供了更灵活的配置方式。
内部架构改进
在技术架构方面,本次更新包含多项重构和优化:
-
JSON 处理改进:移除了 circe-generic-extras 依赖,改用自定义的手写编码器/解码器,提高了序列化/反序列化的可控性。
-
Scala 3 兼容性:项目现在支持使用 Scala 3 进行交叉构建,并修复了多项与 Scala 3 兼容性相关的问题。
-
代码质量提升:通过多项重构优化了代码结构,包括使用
Order[Version]简化版本比较逻辑,重写缓存检查为 for-comprehension 形式等。
依赖更新
作为依赖管理工具,Scala Steward 自身也保持依赖的最新状态:
- 更新了多个核心依赖,包括 Mill 到 0.12.x 系列,Cats 到 2.13.0,以及各种测试和工具链依赖
- 特别注意解决了 sbt 1.10.8 的兼容性问题
总结
Scala Steward 0.33.0 版本通过扩展构建工具支持、增强配置灵活性以及优化内部架构,进一步巩固了其作为 Scala 生态系统中依赖管理自动化工具的地位。这些改进使得它能够更好地服务于使用不同构建工具的 Scala 项目,同时为维护者提供了更精细的控制选项。对于依赖管理自动化有需求的 Scala 团队,升级到这个版本将获得更全面和稳定的功能支持。
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