Eclipse Che 7.100.0版本发布:增强Azure DevOps支持与开发者体验优化
项目简介
Eclipse Che是一个开源的云原生集成开发环境(IDE)和工作区管理平台,它允许开发者在云端创建、运行和共享容器化的工作区。通过将开发环境容器化,Eclipse Che实现了开发环境的标准化和可移植性,使团队成员能够快速启动完全一致的开发环境。
主要功能增强
新增对Microsoft Azure DevOps Server(TFS)的支持
7.100.0版本中,Eclipse Che新增了对本地部署的Microsoft Azure DevOps Server(原TFS)的支持。开发者现在可以通过配置个人访问令牌(PAT)来连接和使用本地TFS实例。值得注意的是,当前版本暂不支持Azure DevOps Server的OAuth 2.0认证方式。
这一功能的加入使得在企业内部使用TFS进行源代码管理的团队能够无缝地将Eclipse Che集成到他们的开发工作流中,特别是在需要严格管控代码访问权限的企业环境中。
简化不受信任TLS证书的导入流程
新版本对不受信任TLS证书的导入流程进行了大幅简化。在企业环境中,开发者经常需要处理内部CA签发的证书,这一改进显著降低了配置这些证书的操作复杂度,使开发者能够更快速地建立起安全连接。
开发者体验优化
Python调试器扩展稳定性提升
修复了在使用开源版VS Code编辑器时,'ms-python.python'扩展在浏览器刷新后无法激活的问题。这一改进特别有利于Python开发者,确保了开发环境的稳定性和连续性。
用户仪表板性能优化
针对某些集群环境下用户仪表板访问超时的问题,新版本将默认超时时间从15秒延长至30秒,并新增了通过环境变量自定义超时时间的配置选项。这一改进使得在资源受限或网络条件不佳的环境中,用户也能获得更稳定的访问体验。
Git配置管理优化
在Git相关功能方面,新版本做了多项改进:
- 现在会优先检查工作区用户数据中的Git配置,避免不必要的Git提供商API调用
- 修复了非GitLab PAT情况下仍会发起GitLab API请求的问题
- 解决了Gitconfig页面在未配置PAT或OAuth时无法显示用户信息的问题
这些优化减少了不必要的网络请求,提高了系统的响应速度和整体效率。
工作区与Devfile改进
Devfile处理能力增强
新版本修复了多个与Devfile处理相关的问题:
- 解决了包含父引用的Devfile无法启动工作区的问题
- 改进了原始Devfile在用户仪表板中的显示方式
- 修复了从Gitea SSH URL启动工作区时的警告中断问题
- 优化了从本地Devfile自动重启的可靠性
这些改进使得基于Devfile的工作区定义和管理更加稳定可靠,特别是在复杂项目结构和多环境配置的场景下。
总结
Eclipse Che 7.100.0版本通过新增对Azure DevOps Server的支持和多项开发者体验优化,进一步提升了其在企业开发环境中的适用性和稳定性。特别是对Python开发者、使用内部Git服务的企业团队以及需要处理复杂项目结构的开发者来说,这个版本带来了显著的改进。TLS证书导入流程的简化也使得系统管理员能够更轻松地配置安全连接,为团队提供更安全的开发环境。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00