Spotless项目7.0.0版本发布:全面支持Gradle配置缓存与代码检查
项目简介
Spotless是一个流行的代码格式化工具,支持多种编程语言和构建工具。它能够帮助开发团队保持代码风格的一致性,自动格式化代码以符合预定义的规范。Spotless特别适合在持续集成环境中使用,可以确保每次提交的代码都符合团队的格式标准。
7.0.0版本核心特性
1. 全面支持Gradle配置缓存
7.0.0版本最重要的改进是完整支持Gradle的配置缓存功能,没有任何限制条件。配置缓存是Gradle的一项性能优化功能,可以显著加快构建速度,特别是对于大型项目。在之前的版本中,Spotless对配置缓存的支持存在一些限制,现在这些问题已经完全解决。
2. 新增代码检查功能
除了原有的代码格式化能力外,7.0.0版本新增了代码检查(linting)功能。这意味着Spotless现在不仅能自动格式化代码,还能识别代码中的潜在问题和不规范之处,为开发者提供更全面的代码质量保障。
重要变更与改进
格式化工具默认版本更新
- Ktlint默认版本从1.3.0升级到1.5.0
- Jackson默认版本从2.18.0升级到2.18.1
- Ktfmt默认版本从0.52升级到0.53
- Eclipse默认版本从4.32升级到4.34
Eclipse配置增强
现在可以通过字符串直接设置Eclipse的格式化配置,而不仅限于从文件读取。这为自动化配置提供了更大的灵活性。
废弃和替代功能
indentWithSpaces和indentWithTabs方法已被标记为废弃,推荐使用新的leadingTabsToSpaces和leadingSpacesToTabs方法替代。这一变更解决了长期存在的缩进处理问题,提供了更精确的缩进控制。
问题修复
- toggleOffOn功能修复:现在可以与配置缓存正常工作,解决了之前存在的兼容性问题。
- Groovy闭包自定义格式化修复:使用Groovy闭包进行自定义格式化现在无论是否启用配置缓存都能正常工作。
- Google Java Format与移除未使用导入共存问题:修复了同时使用这两个功能时出现的问题。
- 类型注解支持扩展:默认支持的类型注解列表现在包含了Jakarta Validation的
Valid和约束验证注解。
技术细节与开发者建议
对于使用自定义格式化的项目,需要注意最低Gradle版本要求已从8.0提高到8.4。此外,全局git系统配置现在不再影响行尾设置,这有助于保持跨环境的一致性。
对于缩进处理,建议开发者尽快迁移到新的leadingTabsToSpaces和leadingSpacesToTabs方法,以获得更可靠的缩进格式化效果。
总结
Spotless 7.0.0版本是一个重要的里程碑,不仅解决了长期存在的配置缓存兼容性问题,还扩展了功能边界,从单纯的格式化工具发展为兼具代码检查能力的综合代码质量管理工具。这些改进使得Spotless在现代软件开发流程中能够发挥更大的作用,特别是在持续集成和团队协作场景下。
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