Scalafmt v3.8.4 发布:代码格式化工具的重要更新
Scalafmt 是一个专为 Scala 语言设计的代码格式化工具,它能够帮助开发者自动保持代码风格的一致性。作为 Scala 生态系统中不可或缺的工具之一,Scalafmt 通过灵活的配置选项支持多种代码风格规范,大大减轻了团队在代码审查时对格式问题的关注。
最新发布的 Scalafmt v3.8.4 版本带来了一些值得关注的功能改进和问题修复。让我们深入了解一下这个版本的主要变化。
主要功能增强
-
中缀表达式换行规则细化
新版本将原有的afterInfix配置项拆分为更细粒度的控制选项:infix.termSite、infix.typeSite和infix.patSite。这种拆分允许开发者针对不同类型的场景(术语、类型和模式匹配)分别配置中缀表达式的换行行为,提供了更精确的格式化控制。 -
Scala 3.6 版本支持
新增了对 Scala 3.6 版本的语言特性支持,确保使用最新 Scala 版本的项目也能获得良好的格式化体验。
关键问题修复
-
隐式参数列表注释处理
修复了在隐式参数列表周围存在注释时的格式化问题,确保注释位置得到合理保留。 -
精炼类型定义格式化优化
改进了精炼类型(refined type)定义中花括号的处理逻辑,使其在函数定义等场景下表现更加合理。
其他改进
-
文档完善
对newlines.selectChains和redundantBraces.oneStatApply等配置项的文档进行了修订和澄清,帮助用户更准确地理解和使用这些功能。 -
性能优化
移除了不必要的配置有效性检查,提升了工具运行效率。 -
Git 集成优化
增加了对 Scalafmt 自身格式化提交的忽略支持,使 Git 历史记录更加清晰。
构建与依赖更新
- 升级至 Scalameta v4.12.4.1,带来更稳定的解析能力。
- 优化了持续集成流程,仅在发布时构建原生镜像,提高开发效率。
总结
Scalafmt v3.8.4 虽然是一个小版本更新,但在细节处理上做了不少优化。特别是中缀表达式换行规则的细化,为追求代码格式完美的团队提供了更精细的控制手段。对于正在使用 Scala 3.6 版本的项目,这个更新也确保了良好的兼容性。
对于现有用户,建议评估这些改进是否会影响当前项目的格式化结果,特别是那些大量使用中缀表达式的代码库。新用户可以借此机会尝试 Scalafmt 带来的代码风格统一体验,提升团队协作效率。
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