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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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