基于Pyright的Python类型检查工具BasedPyright v1.29.0发布
BasedPyright是一个基于微软Pyright的Python静态类型检查工具,它在Pyright的基础上进行了功能增强和优化。该工具主要用于在Python开发过程中提供更严格的类型检查,帮助开发者发现潜在的类型错误和不规范的代码实践。
最新发布的BasedPyright v1.29.0版本带来了两项重要的新诊断规则和一些功能改进,这些更新进一步增强了类型系统的严格性和开发体验。
新增诊断规则
未注解属性覆盖检查
在Python中,当子类覆盖父类的属性时,如果父类属性没有显式类型注解,Pyright默认不会检查类型兼容性。这可能导致潜在的类型问题被忽略。v1.29.0引入了reportIncompatibleUnannotatedOverride规则来解决这个问题。
例如以下代码:
class A:
value = 1 # 推断为int类型
class B(A):
value = None # 没有错误,尽管基类类型是int而这里是None
新规则会在此类情况下报告错误,即使基类属性没有显式类型注解。这项规则未来可能会取代现有的reportUnannotatedClassAttribute规则,但目前默认是禁用的。
无效抽象方法检查
Pyright对于非抽象类中的@abstractmethod装饰方法会忽略检查,这可能导致开发者错误地使用抽象方法。新版本增加了reportInvalidAbstractMethod规则来检测这种情况。
例如:
from abc import abstractmethod
class Foo:
@abstractmethod
def foo(): ...
Foo() # 没有错误
新规则会在方法定义处报告错误,帮助开发者正确使用抽象方法。
其他重要改进
-
VS Code集成优化:改进了与Pylance扩展的兼容性处理,现在会智能禁用冲突设置而不是尝试卸载Pylance,因为VS Code会自动重新安装它。
-
基准文件路径配置:新增了配置选项,允许用户自定义基准文件的路径,提高了工具的灵活性。
-
PyCharm支持增强:更新了PyCharm的文档和配置说明,使PyCharm用户能更好地集成和使用BasedPyright。
-
诊断服务修复:修复了一个上游bug,该bug导致在某些情况下错误地禁用了诊断服务。
总结
BasedPyright v1.29.0通过引入更严格的类型检查规则和优化开发体验,进一步巩固了其作为Python类型检查强大工具的地位。新规则特别关注于提高代码质量和防止常见错误模式,而其他改进则使工具在各种开发环境中更加稳定和易用。
对于追求代码质量的Python团队,升级到v1.29.0将有助于捕获更多潜在的类型问题,特别是在继承和抽象方法使用方面。这些改进使得BasedPyright不仅是一个类型检查器,更是一个促进良好编码实践的工具。
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