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。
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- 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
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