Rich v14.0.0 发布:增强Python异常处理与终端兼容性
Rich 是一个功能强大的Python库,专门用于在终端中输出富文本(包括颜色、样式、表格等),提升命令行应用的交互体验。最新发布的v14.0.0版本带来了多项重要更新,特别是在Python异常处理和终端兼容性方面有了显著改进。
异常处理增强
新版本对Python 3.11及以上版本引入的异常处理新特性提供了全面支持:
-
异常注释(Notes)渲染:现在Rich能够正确显示通过
Exception.add_note()方法添加的异常注释。这些注释在调试时可以提供额外的上下文信息,帮助开发者更快定位问题。 -
异常组(Group)支持:Python 3.11引入了异常组的概念,允许将多个异常组合在一起抛出。Rich现在能够优雅地渲染这种复杂的异常结构,使开发者能够清晰地看到所有相关的异常信息。
-
缩进显示优化:异常信息中的缩进部分不再显示下划线,这使得异常堆栈的可读性进一步提高,特别是在处理嵌套较深的调用链时。
终端兼容性改进
新版本引入了TTY_COMPATIBLE环境变量,这是一个重要的功能改进:
-
当设置为1时(
TTY_COMPATIBLE=1),Rich会强制输出ANSI转义序列,即使检测到输出不是终端。这在GitHub Actions等CI环境中特别有用,因为这些环境能够解释ANSI转义序列,但通常不被识别为真正的终端。 -
同时,对
NO_COLOR和FORCE_COLOR环境变量的处理也更加严格:空值现在被视为禁用状态,这提供了更一致的行为预期。
版本升级建议
由于对NO_COLOR和FORCE_COLOR环境变量的处理方式变更可能影响现有应用的行为,这个更新采用了主版本号升级(v14.0.0)。建议开发者在升级前:
- 测试应用在非终端环境下的输出行为
- 检查是否依赖空环境变量的特殊处理
- 考虑在CI环境中添加
TTY_COMPATIBLE=1以获得更好的输出效果
Rich持续保持着对Python新特性的快速跟进,同时也在推动命令行工具交互标准的演进。这次更新不仅提升了开发体验,也为更广泛的工具链集成提供了更好的支持。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00