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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00