Netlify CLI v21.0.0 发布:重大变更与功能增强
Netlify CLI 是 Netlify 平台提供的命令行工具,它允许开发者在本地环境中模拟 Netlify 的各项功能,包括构建、部署和调试等操作。这个工具对于需要频繁部署到 Netlify 的开发者来说至关重要,它简化了开发流程并提供了与生产环境一致的体验。
重大变更
移除对 netlify-lambda 包的支持
在 v21.0.0 版本中,Netlify CLI 正式移除了对 netlify-lambda 包的支持。这个包早在 2023 年 2 月就被标记为废弃,现在 CLI 工具完全移除了相关代码。对于仍在使用这个包的开发者,需要按照官方迁移指南进行升级。
部署命令默认包含构建步骤
另一个重要的行为变更是在执行 netlify deploy 命令时,现在默认会先运行项目的构建命令。在之前的版本中,这需要通过 --build 标志显式指定。这一变更是为了减少新用户的困惑,因为大多数开发者期望"部署"命令能够包含完整的构建和部署流程。
如果需要保持旧的行为(即不自动构建),可以使用新的 --no-build 标志。这个变更可能会影响现有的 CI/CD 流程,特别是那些将构建和部署分开执行的脚本。
功能增强
命令帮助文档改进
新版本在命令帮助输出中添加了指向相关 Netlify 文档的链接,这使得开发者能够更方便地获取更详细的官方文档信息,而不需要额外搜索。
遥测数据收集增强
CLI 现在会收集命令选项和参数的遥测数据,这将帮助 Netlify 团队更好地理解用户如何使用 CLI 工具,从而做出更有针对性的改进。
用户体验优化
输出信息改进
开发团队对多个命令的输出信息进行了优化和美化,包括部署命令(deploy)和开发服务器命令(dev)。这些改进使得输出更加清晰、一致,减少了不必要的噪音信息。
框架服务器加载指示器修复
修复了框架服务器加载时的等待指示器("Waiting for framework port"),使得开发者能够更准确地了解服务器启动状态。
安装后引导信息优化
改进了安装后显示的引导信息,使得新用户在安装 CLI 后能够更清晰地了解下一步操作。
总结
Netlify CLI v21.0.0 带来了几个重要的变更和改进,特别是默认包含构建步骤的部署命令和对废弃包的移除。这些变更虽然可能会影响现有的工作流程,但从长远来看将提供更一致和直观的开发者体验。建议所有用户仔细阅读变更说明,并根据需要调整自己的构建和部署脚本。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00