Eclipse Che 7.100.0 版本发布:增强Azure DevOps支持与开发者体验优化
Eclipse Che 是一个基于 Kubernetes 的开源云原生集成开发环境(IDE),它允许开发者在浏览器中直接编写、构建和调试应用程序。作为一款云原生 IDE,Eclipse Che 提供了完整的开发环境即服务(Development Environment as a Service)解决方案,使团队能够快速配置和共享一致的开发环境。
主要功能增强
新增对Microsoft Azure DevOps Server (TFS)的支持
在7.100.0版本中,Eclipse Che 新增了对企业内部部署的 Microsoft Azure DevOps Server(原 Team Foundation Server,简称TFS)的支持。开发者现在可以通过配置个人访问令牌(PAT)来连接和使用TFS服务。
值得注意的是,当前版本仅支持通过PAT方式访问Azure DevOps Server,尚未实现对OAuth 2.0协议的支持。这一改进使得使用TFS作为代码仓库的企业用户能够更顺畅地将Eclipse Che集成到他们的开发工作流中。
简化不受信任TLS证书导入流程
对于需要与使用自签名或不受信任证书的服务进行通信的场景,7.100.0版本显著简化了TLS证书的导入流程。这一改进降低了企业用户在内部网络环境中配置开发环境的复杂度,使得开发者能够更快速地开始工作。
开发者体验优化
Python调试器扩展稳定性提升
修复了在使用开源版VS Code编辑器时,"ms-python.python"扩展在浏览器刷新后无法激活的问题。这一修复确保了Python开发者在使用Eclipse Che时能够获得更稳定的调试体验。
用户仪表板性能改进
针对某些Kubernetes集群中用户仪表板加载缓慢的问题,7.100.0版本将默认请求超时时间从15秒延长至30秒。同时,新增了通过CHE_DASHBOARD_AXIOS_REQUEST_TIMEOUT环境变量自定义超时时间的能力,为不同网络环境下的用户提供了更好的灵活性。
开发文件处理机制优化
本次发布对Devfile的处理机制进行了多项改进:
- 用户仪表板现在通过/index/all路由获取入门示例,取代了之前的/index路由,提高了示例获取的可靠性。
- 修复了从Gitea仓库使用SSH URL启动工作区时出现的"无法读取未定义的属性'schemaVersion'"错误。
- 解决了基于包含父引用的Devfile创建工作区时出现的"无法添加属性属性,对象不可扩展"问题。
- 改进了本地Devfile的自动重启机制,特别是针对SSH URL的情况。
Git相关改进
Git配置管理优化
7.100.0版本改进了Git用户信息的获取逻辑:
- 现在系统会优先检查工作区用户命名空间中的workspace-userdata-gitconfig-configmap ConfigMap,仅在缺少必要信息时才向Git提供商发起请求。
- 修复了在未配置PAT或OAuth时,Gitconfig页面无法显示用户名和邮箱的问题。
- 移除了对非GitLab PAT的不必要GitLab API验证请求,减少了不必要的网络流量。
原始Devfile显示修复
修复了用户仪表板中工作区"Devfile"视图无法正确显示原始开发文件的问题,现在开发者可以准确查看工作区使用的原始配置。
总结
Eclipse Che 7.100.0版本通过新增对Azure DevOps Server的支持和多项开发者体验优化,进一步提升了其在企业开发环境中的适用性。特别是对内部部署Git服务和自签名证书场景的改进,使得这款云原生IDE能够更好地服务于各种规模的企业开发团队。对于Python开发者和经常使用SSH协议访问代码仓库的用户来说,本次发布也解决了一些长期存在的痛点问题。
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