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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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