Xcode DevCleaner 2.7.1版本发布:优化Xcode开发环境清理体验
Xcode DevCleaner是一款专为macOS开发者设计的实用工具,主要用于清理Xcode开发过程中产生的各种缓存和临时文件。这些文件虽然对开发过程有帮助,但长期积累会占用大量磁盘空间,影响系统性能。最新发布的2.7.1版本带来了一些实用的功能改进和问题修复,进一步提升了开发者的使用体验。
多项目选择功能增强
2.7.1版本最显著的改进是增加了多项目同时选择的功能。在之前的版本中,开发者只能逐个选择需要清理的项目,这在处理大量缓存文件时效率较低。新版本允许用户通过按住Command键或Shift键进行多选,或者直接拖动鼠标框选多个项目,大大提升了批量清理操作的便捷性。
这一改进特别适合以下场景:
- 当需要一次性清理多个模拟器设备缓存时
- 批量删除不同版本的文档缓存
- 同时清理多个项目的DerivedData数据
文档缓存问题的修复
针对使用较新版本Xcode的开发者,2.7.1版本修复了一个可能导致文档缓存无法找到的问题。Xcode在更新过程中可能会改变其文档缓存存储的位置或结构,导致清理工具无法正确定位这些文件。这个修复确保了无论使用哪个版本的Xcode,开发者都能有效地清理不再需要的文档缓存,释放宝贵的磁盘空间。
文档缓存通常包括:
- API文档
- 代码补全数据
- 帮助系统文件 这些文件虽然对开发有帮助,但随着Xcode版本更新和项目迭代,很多旧版本的文档缓存实际上已经不再需要。
设备支持列表更新
随着Apple不断推出新的硬件设备,Xcode DevCleaner 2.7.1版本也同步更新了设备支持列表,添加了对最新设备型号的支持。这意味着开发者可以:
- 清理不再需要的老旧设备支持文件
- 确保新设备的支持文件能够被正确识别
- 更精确地管理不同iOS版本的设备支持文件
设备支持文件是Xcode用来支持不同iOS设备调试和运行的必要组件,但随着设备更新和iOS版本迭代,很多旧版本的支持文件实际上已经不再需要,却可能占用数百MB甚至数GB的磁盘空间。
系统兼容性说明
Xcode DevCleaner 2.7.1版本明确支持macOS 13 Sonoma及更高版本。对于仍在使用较旧macOS系统的开发者,项目维护者建议下载之前的版本以获得兼容性支持。这种版本策略既保证了新系统用户能获得最佳体验,又照顾了老系统用户的持续使用需求。
总结
Xcode DevCleaner 2.7.1版本通过多项实用改进,进一步巩固了其作为Xcode开发环境清理利器的地位。多项目选择功能的加入提升了操作效率,文档缓存问题的修复增强了工具稳定性,而设备支持列表的更新则确保了工具的时效性。对于任何使用Xcode进行开发的macOS用户来说,定期使用这款工具进行清理,可以有效保持开发环境的整洁和系统性能的优化。
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