hledger 1.43 版本发布:个人财务工具的全面升级
项目简介
hledger 是一款开源的命令行会计工具,采用纯文本记账方式,支持复式记账法。作为 Haskell 语言开发的轻量级财务工具,hledger 以其简洁高效著称,特别适合开发者和技术爱好者管理个人财务。本次发布的 1.43 版本带来了多项功能增强和问题修复,进一步提升了用户体验。
核心功能更新
新增 setup 命令
1.43 版本引入了一个全新的 setup 命令,用于检查 hledger 安装状态并显示有助于故障排除的信息。这个命令会执行一次 HTTP 请求(10秒超时)到 hledger.org,检测当前发布版本。虽然目前功能还比较基础,但未来会持续扩展,建议用户在各种环境中测试并反馈结果。
时间记录格式改进
时间记录功能现在支持多个同时进行的计时会话。一个 clockout 条目可以引用它要结束的 clockin 账户名,如果没有指定,则会结束最近的 clockin。这一改进带来了更灵活的时间追踪能力,但需要注意:
- 旧版本会忽略 clockout 条目上的描述,而新版本会处理这些信息
- 如需保持旧行为,可暂时使用
--timeclock-old标志 - 开发者表示未来可能移除这一兼容性标志,所以依赖此功能的用户应及时反馈
布尔查询优化
修复了涉及 amt: 或 cur: 的某些布尔查询匹配不正确的问题。现在这些查询能够准确匹配预期结果,提升了数据筛选的精确度。
实用功能增强
新增 any: 和 all: 查询
1.43 版本引入了两种新的查询方式:
any:"BOOLEANQUERY":只要交易中有任一过账匹配整个布尔查询即视为匹配all:"BOOLEANQUERY":要求交易中所有过账都必须匹配整个布尔查询
这与原有的 expr:"BOOLEANQUERY" 不同,后者允许布尔查询的不同部分匹配交易中的不同过账。新查询提供了更精确的匹配控制。
add 命令的余额断言
add 命令现在支持在金额后添加余额断言。此外,每当用户输入金额时,系统会自动检查日记账中的余额断言,防止添加会导致断言失败的金额(除非使用 -I/--ignore-assertions 标志)。这一改进使得数据录入更加安全可靠。
性能优化
核心数据类型的严格化处理使得某些情况下内存和时间使用减少了高达15%,显著提升了处理大型财务文件的效率。
其他改进
CSV 处理增强
CSV 的 if 规则现在会生成更多 --debug=2 级别的输出,便于问题排查。调试输出还会显示 if 匹配器看到的记录格式(逗号分隔,去除引号和外部空白)。
错误信息统一
各种错误消息的显示格式现在更加一致,包括:
- 读取不存在的数据文件
- 在 Windows 上读取不安全的点文件名
- 找不到演示
- 演示 asciinema 错误
- 错误的 diff 参数
- print/register 的 --match 无匹配
- 没有投资交易的 roi 命令
编码处理改进
当系统区域设置的文本编码无法解码 Unicode/非 ASCII 文本时,现在会显示一致且信息丰富的错误消息,帮助用户快速定位问题。
配套工具更新
hledger-ui
- 文件监视功能更可靠(特别是 macOS)
- 错误消息格式与主程序保持一致
hledger-web
- 新增 openapi.json 服务,为工具和 LLM 提供 API 文档
- 搜索帮助弹窗更新,显示当前版本
- 默认的"服务并浏览"模式现在有明确的
--serve-browse标志 - 废弃旧的
--server标志,推荐使用--serve
技术细节
兼容性
1.43 版本支持 GHC 9.12 编译器,并移除了对 base-compat 的依赖。构建 hledger 包现在至少需要 Cabal 2.2+ 或使用 Cabal 2.2+ 构建的 stack(之前是 1.12+)。
许可证明确
项目现在明确使用 GPLv3+ 许可证,解决了 GitHub 许可证检测问题。所有主模块的许可证头部和 LICENSE 文件都进行了清理,并添加了 AUTHORS.md 文件。
总结
hledger 1.43 版本在功能、性能和用户体验方面都有显著提升。新增的 setup 命令、增强的查询能力和改进的余额断言使这款财务工具更加完善。时间记录功能的改进特别适合需要追踪多个并行项目的用户,而性能优化则让处理大型财务数据更加高效。配套的 hledger-ui 和 hledger-web 也获得了相应的更新,保持了整个生态系统的协调一致。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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