Eclipse Che 7.99.0版本发布:云原生IDE平台迎来重大更新
项目简介
Eclipse Che是一个开源的云原生集成开发环境(IDE)平台,它允许开发者在云端创建、运行和管理开发环境。通过将开发环境容器化,Che实现了开发环境的快速部署和一致性,特别适合团队协作和持续集成/持续部署(CI/CD)场景。
主要更新内容
新增Microsoft Visual Studio Code桌面流支持
本次7.99.0版本最引人注目的特性是新增了对本地Microsoft Visual Studio Code桌面版与云端开发环境(CDE)的连接支持。开发者现在可以通过Remote - Tunnels扩展,将本地安装的VS Code与Che管理的云端开发环境无缝连接。
这一功能为开发者提供了更大的灵活性,既可以利用云端环境的强大计算能力和一致性,又能保留本地VS Code的熟悉界面和个性化配置。连接过程简单直观,只需在VS Code中安装相应扩展并配置连接参数即可。
DevWorkspace Operator平台特定安装指南
Eclipse Che底层使用DevWorkspace Operator来管理云开发环境的生命周期。本次更新为不同平台提供了专门的安装指南,包括:
- kind:Kubernetes in Docker的轻量级实现
- minikube:本地Kubernetes集群
- OpenShift:企业级Kubernetes平台
这些指南详细说明了在各种环境中部署DevWorkspace Operator的最佳实践,降低了用户在不同平台上部署Che的技术门槛。
重要问题修复
Visual Studio Code版本升级问题
修复了在升级后,已有工作区仍继续使用旧版Visual Studio Code - Open Source编辑器的问题。现在升级后,所有工作区都能自动使用新版本编辑器,确保功能一致性和安全性。
Devfile存储类型属性冲突
解决了当devfile同时包含父引用和storage-type属性时无法创建工作区的问题。现在系统会正确处理这种特殊情况,当storage-type在父devfile中定义时,子devfile不会覆盖该属性,同时在用户界面上会禁用"更改存储类型"控件以避免冲突。
用户界面改进
修复了用户仪表板上Devfile查看器的样式问题,现在各种devfile都能正确显示。同时修复了Visual Studio Code - Open Source中"源代码管理"面板上"更改"命令不可用的问题,提升了版本控制操作的便捷性。
仓库访问优化
改进了对私有仓库的处理逻辑,修复了以下问题:
- 当OAuth授权被拒绝时创建工作区失败的问题
- 使用HTTP URL打开gogs公共仓库时显示错误警告信息的问题
- 使用SSH URL从gogs私有仓库创建工作区时显示误导性警告的问题
这些改进使得从各种代码托管平台导入项目的体验更加流畅可靠。
技术价值
Eclipse Che 7.99.0版本的发布标志着云原生开发工具链的进一步完善。特别是VS Code桌面连接功能的加入,为开发者提供了"云端开发,本地体验"的全新工作模式,既保留了云开发环境的优势,又兼顾了开发者的使用习惯。
对于企业用户而言,平台特定安装指南的完善降低了部署门槛,而各种问题修复则提升了系统的稳定性和可靠性。这些改进共同推动Eclipse Che向着更成熟、更易用的方向发展,为云原生时代的软件开发提供了强有力的支持。
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