Revive项目中的术语重构:从黑白名单到允许/阻止列表
2025-06-09 00:30:20作者:仰钰奇
revive
🔥 ~6x faster, stricter, configurable, extensible, and beautiful drop-in replacement for golint
在Revive项目中,开发团队正在进行一项重要的术语重构工作,旨在将代码库中使用的"黑名单(Blacklist)"和"白名单(Whitelist)"术语替换为更具包容性的"阻止列表(Blocklist)"和"允许列表(Allowlist)"。这一变化反映了技术社区对更中立、更具描述性术语的追求。
重构背景
术语重构的第一阶段已经通过issue #946完成,现在团队正在规划下一阶段的改进。当前代码库中仍存在多处需要更新的地方:
- 多处使用了"Whitelist"术语
- 一个规则和若干测试中使用了"Blacklist"术语
技术挑战
重构面临的主要技术挑战是如何优雅地处理向后兼容性问题,特别是对于已经存在的ImportsBlacklistRule规则。团队需要考虑:
- 如何在不破坏现有用户配置的情况下进行迁移
- 如何处理测试用例中的相关术语
- 如何规划版本发布策略
解决方案讨论
技术团队提出了几种可能的解决方案:
- 别名机制:为规则名称创建别名,保留原始名称作为已弃用的别名,支持若干版本后再完全移除
- 立即更改输出文本:可以立即更新规则输出中使用的术语,因为依赖这些文本的系统预计很少
- 分阶段移除:先标记旧术语为废弃,在后续版本中逐步移除
版本发布策略
团队还讨论了版本发布流程,特别是考虑到上次发布(v1.3.5)时遇到的一些问题。良好的发布策略应包括:
- 充分的测试覆盖
- 清晰的变更日志
- 适当的弃用警告期
- 向后兼容性评估
重构最佳实践
从技术角度看,这种术语重构可以参考Go语言社区的重构最佳实践:
- 保持小步前进,每次提交只做一处修改
- 确保测试覆盖率
- 使用自动化工具辅助重构
- 提供清晰的迁移指南
Revive项目的这一重构工作不仅提升了代码的包容性,也展示了开源项目如何负责任地处理术语演变和向后兼容性问题。
revive
🔥 ~6x faster, stricter, configurable, extensible, and beautiful drop-in replacement for golint
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K