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。
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