Swift-Format 601.0.0版本发布:代码格式化工具的重大更新
Swift-Format是Swift官方推出的代码格式化工具,它能够帮助开发者自动保持代码风格的一致性。该工具基于SwiftSyntax构建,可以精确解析Swift代码结构,并根据预设规则对代码进行格式化处理。最新发布的601.0.0版本带来了多项重要改进和新特性,本文将详细介绍这些更新内容。
核心功能改进
本次更新对代码格式化功能进行了多项优化:
-
多行字符串字面量处理:新增了对多行字符串字面量的自动换行支持,能够根据配置的行长度限制智能地调整多行字符串的格式。
-
注释格式化增强:
- 新增了配置选项,允许自定义单行注释(
//)前的空格数量 - 改进了块注释的重新缩进处理
- 修复了注释长度计算的问题
- 新增了配置选项,允许自定义单行注释(
-
属性处理优化:
- 增加了在相邻属性之间添加换行的配置选项
- 修复了以条件编译指令开始的属性列表的格式化问题
-
闭包捕获列表:移除了闭包捕获等号周围的空格,使代码更加紧凑
性能优化
601.0.0版本对性能进行了显著提升:
-
PrettyPrinter重构:将PrettyPrint类拆分为两个部分,优化了内部结构,提高了格式化效率。
-
空白字符检测:使用手工优化的"是否为空白字符"检测函数,替代原有实现,显著提升了空白字符相关规则的检查速度。
-
行号计算修复:修正了PrettyPrinter报告错误行号的问题,确保错误定位更加准确。
新增规则与检查
本次更新引入了多项新的代码风格检查规则:
-
NoEmptyLinesOpeningClosingBraces规则:禁止在开闭大括号前后出现空行,保持代码紧凑性。
-
RetroactiveConformances检查:新增了对后向协议遵循的lint警告,帮助开发者避免潜在的命名冲突问题。
-
测试函数检查增强:扩展了对使用@Test属性标记的测试函数的检查支持。
-
保留空白行配置:新增了配置选项,允许保留仅包含空白字符的行的原始格式。
工具链与构建系统改进
-
Windows平台支持:修复了Windows平台下的多个问题,包括无限循环问题、路径处理问题和符号链接处理问题。
-
构建系统优化:
- 支持仅构建测试目标
- 支持构建为单个动态库
- 移除了重复的依赖项
-
实验性功能支持:新增了
--enable-experimental-feature选项,允许在解析器中启用实验性功能。
配置与使用改进
-
标准输入处理:支持通过
--assume-filename选项为从标准输入读取的内容指定配置文件名。 -
配置搜索优化:修复了在根目录(
/)下搜索配置文件的问题,并优化了配置文件查找逻辑。 -
逐步弃用:开始逐步弃用不指定输入路径的运行方式,未来将要求使用
-明确表示标准输入。
开发者体验提升
-
文档完善:补充了缺失的配置文档,明确了各项配置的默认值。
-
测试改进:
- 将测试从
swift-formatTests迁移到SwiftFormatTests - 修复了多平台下的测试问题
- 增加了Windows平台测试在发布流程中的执行
- 将测试从
-
代码质量:项目自身代码现在也遵循格式化规则,并在PR中强制执行。
Swift-Format 601.0.0版本的这些改进使代码格式化更加智能、高效,同时提供了更多自定义选项,能够满足不同团队和项目的代码风格需求。开发者现在可以更精确地控制代码格式,同时享受更快的处理速度和更稳定的跨平台体验。
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