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。
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