Eclipse Che中启用VS Code扩展的Proposed API支持
在Eclipse Che项目中使用基于VS Code的编辑器时,开发者可能会遇到某些扩展功能无法正常工作的问题。这通常是由于VS Code的Proposed API(实验性API)未被启用所导致的。
Proposed API的作用与限制
VS Code的Proposed API是微软提供给扩展开发者的实验性功能接口,这些API尚未正式发布,处于测试阶段。扩展开发者可以使用这些API来提前实现一些创新功能,但需要明确声明并得到用户许可才能使用。
在默认情况下,Eclipse Che中的编辑器不会启用这些实验性API,这可能导致依赖这些API的扩展无法正常工作,并在浏览器控制台中显示相关错误信息。
解决方案的技术实现
要为特定扩展启用Proposed API,需要修改编辑器的product.json配置文件。该文件定义了编辑器的各种行为和特性。具体来说,需要在配置文件中添加类似以下内容:
"extensionAllowedProposedApi": [
"ms-python.python"
]
由于直接修改编辑器镜像中的配置文件较为困难,Eclipse Che团队可以考虑采用动态配置的方案。这种方案可以在工作区启动后自动更新product.json文件,类似于处理可信扩展的方式。
实施建议
-
动态配置文件注入:在工作区启动流程中加入一个步骤,用于检测和更新product.json文件中的Proposed API配置。
-
配置管理界面:在Eclipse Che的管理界面中提供选项,允许管理员指定需要启用Proposed API的扩展列表。
-
安全考虑:由于Proposed API是实验性的,可能存在稳定性或安全性问题,应提供明确的警告信息,让用户了解潜在风险。
技术影响分析
启用Proposed API可能会带来以下影响:
- 扩展功能完整性:依赖实验性API的扩展将能够正常工作
- 系统稳定性:使用实验性API可能增加不稳定性风险
- 维护复杂性:需要跟踪不同VS Code版本中API的变化
最佳实践建议
对于Eclipse Che用户,如果确实需要使用依赖Proposed API的扩展,建议:
- 仅在生产环境外的开发测试环境中启用这些API
- 定期检查扩展更新,随着VS Code版本迭代,许多实验性API会转为正式API
- 关注扩展的兼容性说明,了解其对Proposed API的具体依赖情况
通过合理的配置管理,Eclipse Che可以在保证系统稳定性的同时,为开发者提供更完整的扩展功能支持。
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