Earthly构建工具中实现无前缀日志输出的技术方案
背景介绍
Earthly是一款现代化的容器化构建工具,它采用类似Dockerfile的语法来定义构建流程。在Earthly的默认行为中,所有通过RUN指令执行的命令输出都会被自动添加目标名称前缀,例如"+target-name | "。这种设计在多目标构建时非常有用,可以帮助开发者清晰地区分不同构建阶段的输出。
问题分析
然而,这种自动添加前缀的行为在某些特定场景下会带来不便。特别是在与CI系统(如GitHub Actions)集成时,这些系统通常支持特殊的"富文本输出"语法,例如以"::"开头的特殊指令(如"::error::"用于标记错误信息)。当Earthly自动添加前缀后,这些特殊指令就无法被CI系统正确识别,导致无法实现预期的可视化效果。
技术解决方案
Earthly社区提出了两种互补的技术方案来解决这个问题:
-
无前缀输出模式:通过为RUN指令添加新的参数选项(如--raw-output),允许特定命令的输出不添加目标前缀。这使得CI系统的特殊指令能够被原样输出。
-
标准输出重定向:Earthly默认将所有构建输出发送到标准错误(stderr),而CI系统通常只从标准输出(stdout)解析特殊指令。因此需要增加将特定输出重定向到stdout的能力。
实现细节
在实际实现中,开发者可以这样使用新特性:
build:
RUN --raw-stdout echo "::group::构建分组"
RUN --raw-stdout echo "这是无前缀输出"
RUN --raw-stdout echo "::endgroup::"
这种设计既保留了Earthly原有的多目标构建日志追踪能力,又为特殊场景提供了灵活性。
并行构建的注意事项
需要注意的是,在并行构建场景下,即使使用无前缀输出,多个目标的输出仍可能交错出现。对于需要严格顺序输出的场景,开发者应使用WAIT指令来确保执行顺序,或者考虑将相关操作合并到单个目标中。
总结
Earthly通过引入无前缀日志输出功能,显著提升了与CI系统的集成能力,特别是对GitHub Actions等支持富文本输出的平台。这一改进展示了Earthly团队对开发者实际需求的快速响应能力,以及在保持核心设计理念的同时提供灵活性的技术平衡能力。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00