sbt 1.11.0发布:支持中央仓库发布新流程
sbt(Simple Build Tool)是Scala生态中最流行的构建工具之一,它简化了Scala项目的构建、测试和发布流程。最新发布的sbt 1.11.0版本带来了对Maven中央仓库新发布流程的支持,这是对Scala开发者工作流程的重要改进。
中央仓库发布流程的变化
Maven中央仓库长期以来都是JVM生态系统的核心组件,包括Scala项目。过去,开发者通过Sonatype提供的OSSRH(OSS Repository Hosting)服务使用HTTP PUT方式发布库到中央仓库。然而,Sonatype在今年3月宣布将在2025年6月停止该服务,转而推荐使用新的Central Portal(中央门户)进行发布。
sbt 1.11.0版本内置了对通过Central Portal发布到中央仓库的支持,这为Scala开发者提供了更现代化、更安全的发布方式。
新版本的关键特性
1. 本地暂存与发布流程
新版本引入了localStaging功能,允许开发者先将构建产物暂存到本地目录target/sona-staging中。这种两阶段发布流程(先本地暂存,再上传)提供了更好的控制和验证机会。
配置发布目标仓库的方式如下:
ThisBuild / publishTo := {
val centralSnapshots = "https://central.sonatype.com/repository/maven-snapshots/"
if (isSnapshot.value) Some("central-snapshots" at centralSnapshots)
else localStaging.value
}
2. 认证集成
新版本简化了认证流程,可以直接从环境变量SONATYPE_USERNAME和SONATYPE_PASSWORD读取凭证信息。这对于CI/CD环境(如GitHub Actions)特别有用,开发者可以安全地存储和使用这些敏感信息。
3. 发布命令
发布过程分为两个主要步骤:
publishSigned:使用sbt-pgp插件对构建产物进行签名并暂存到本地sonaUpload或sonaRelease:将暂存的构建产物上传到Central Portal,前者需要手动发布,后者会自动完成发布
其他改进
除了中央仓库发布支持外,sbt 1.11.0还包含以下改进:
- 优化了控制台输出,不再打印"copying runtime jar"等冗余信息
- 修复了包含伴生对象时的增量测试(
testQuick)问题
升级建议
对于需要发布库到Maven中央仓库的Scala开发者,建议尽快升级到sbt 1.11.0版本,以利用新的发布流程。对于使用CI/CD管道的团队,可以按照文档更新发布脚本,利用新的环境变量认证机制。
这个版本的发布体现了sbt项目对开发者体验的持续关注,特别是在适应生态系统变化方面。通过简化中央仓库的发布流程,sbt继续巩固其作为Scala生态核心工具的地位。
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-1.5暂无简介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
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
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