Electron Forge v7.6.1 版本发布:关键修复与现代化改进
项目简介
Electron Forge 是一个强大的 Electron 应用程序打包和发布工具链,它简化了 Electron 应用的开发流程,提供了从项目初始化到最终打包发布的一站式解决方案。作为 Electron 生态中的核心工具之一,Forge 帮助开发者处理了构建、打包和发布过程中的各种复杂细节。
版本亮点
Electron Forge v7.6.1 是一个维护性版本,主要聚焦于错误修复和依赖项更新,同时引入了一些现代化改进。这个版本虽然没有重大功能变更,但对开发者体验和项目稳定性有着重要意义。
核心修复内容
1. DMG 打包工具修复
本次更新修复了 MakerDMGConfig 中多余属性的问题,使得 DMG 打包配置更加清晰和准确。这对于 macOS 平台的开发者尤为重要,确保了打包配置的纯净性和有效性。
2. npm 安装命令优化
移除了 npm install 命令中多余的 --save 标志。这个标志在现代 npm 版本中已经不再需要,因为默认行为已经包含了保存依赖的功能。这一改动使得命令更加简洁,同时避免了潜在的兼容性问题。
3. 原生模块处理改进
更新了原生模块的解包模式,现在能够正确处理包含隐藏目录的情况。这一改进对于依赖原生模块的 Electron 应用特别重要,确保了这些模块在各种目录结构下都能被正确识别和处理。
4. Node.js 22 兼容性
针对 Node.js 22 版本进行了兼容性调整,特别是修复了 macos-alias 模块的构建问题。这确保了 Electron Forge 能够在新版本的 Node.js 环境中正常运行。
开发者体验改进
1. 依赖管理现代化
项目移除了不再使用的 pretty-ms 依赖,并升级了多个关键依赖,包括:
- Vite 从 5.4.11 升级到 5.4.12
- TypeScript 升级到 5.4 版本
- ESLint 相关依赖全面升级
这些更新不仅带来了性能改进,也确保了项目依赖的安全性和现代性。
2. 构建系统增强
Vite 插件现在能够正确处理包含连字符的渲染器名称,这为项目命名提供了更大的灵活性。同时,项目内部工具链也从 yarn-or-npm 迁移到了更现代的 detect-package-manager,提升了包管理器检测的准确性。
测试基础设施升级
1. 测试框架迁移
项目正在逐步将测试从传统框架迁移到 Vitest:
- 快速测试套件已完成迁移
- 慢速测试套件也正在进行迁移
- 升级到了 Vitest 3 版本
这一迁移不仅提升了测试速度,也带来了更现代的测试体验和更好的开发体验。
2. CI/CD 优化
持续集成流程进行了多项改进:
- 禁用了并行执行以提高稳定性
- 将 gh-pages 工作流迁移到 ubuntu-latest 运行器
- 升级了 corepack 中的 yarn 版本
这些改动使得自动化流程更加可靠和高效。
代码质量提升
1. 代码清理
移除了不再使用的 download-to-file 工具函数,保持了代码库的整洁。同时,项目开始全面采用 node: 前缀来引用 Node.js 内置模块,这是一种现代且推荐的做法。
2. 模板改进
项目模板现在会安装与 Forge 版本相匹配的 fuses 包,确保了新项目的一致性和兼容性。
总结
Electron Forge v7.6.1 虽然是一个小版本更新,但包含了多项对开发者有实际价值的改进。从核心功能的修复到依赖项的现代化,再到测试基础设施的升级,这个版本进一步提升了 Electron 应用开发的体验和可靠性。对于正在使用 Electron Forge 的开发者来说,升级到这个版本将获得更好的稳定性和兼容性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00