Golang项目中vscode-go扩展的第三方工具使用情况收集方案
2025-04-28 09:34:36作者:霍妲思
在Golang生态系统中,vscode-go扩展是Visual Studio Code编辑器中最流行的Go语言支持插件之一。最近,开发团队提出了一个关于收集第三方工具使用情况的方案,目的是为了更好地理解开发者行为并优化工具链集成。
背景与动机
vscode-go扩展内部包含一个名为vscgo的二进制组件,这个组件使用Go语言编写,负责从TypeScript编写的vscode-go扩展中收集遥测数据。目前虽然已经收集了一些数据,但由于x/telemetry配置文件中缺少相应设置,这些数据尚未被上传。
开发团队的主要目标是深入了解开发者对第三方工具的使用情况,特别是像gotests、gomodifytags和goplay这样的工具。通过收集这些数据,团队计划逐步将这些第三方工具的功能整合到gopls中,从而提供更统一和集成的开发体验。
技术实现方案
该方案计划通过以下计数器来收集工具使用数据:
- 计数器名称:vscode-go/tool/usage
- 监控工具:gotests、gomodifytags、goplay
- 程序路径:github.com/golang/vscode-go/vscgo
版本控制方面,方案特别考虑了VSCode市场的发布规则:
- 跳过rc版本(如v0.47.0-rc.1),因为这些版本需要手动安装,数据量有限
- 遵循VSCode市场推荐:奇数版本为预发布版本,偶数版本为正式版本
- 类似于gopls版本策略,从v0.48开始收集每个次要版本的前5个补丁版本
技术细节考量
在实现过程中,开发团队注意到一个技术细节:gopls的源代码操作目前仅支持为单个函数添加测试,而gotests工具则支持为整个文件或整个包添加测试。这引发了一个思考点——是否需要收集更详细的使用数据来反映这种功能差异。
实施进展
目前已经提交了两个相关的代码变更:
- 在internal/config中添加vscode-go/tool/usage计数器
- 在extension/src中实现第三方工具使用情况的收集功能
这个方案的实施将帮助vscode-go开发团队更好地理解开发者工作流程,为未来的工具链优化提供数据支持,最终目标是提供更流畅、更集成的Go语言开发体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217