isort 6.0.0 版本发布:Python 代码格式化工具的重大更新
isort 是一个流行的 Python 代码格式化工具,专注于对 Python 导入语句进行自动排序和组织。它能够根据配置的规则自动调整 import 语句的顺序,使代码更加整洁一致,提高可读性,并帮助团队保持统一的代码风格。
重大变更:Python 3.8 支持移除
isort 6.0.0 版本最显著的变化是移除了对 Python 3.8 的支持。这一决定反映了 Python 社区的普遍做法,即随着新版本的发布,逐步淘汰对旧版本的支持。开发者现在需要确保他们的环境运行在 Python 3.9 或更高版本上才能使用 isort 6.0.0。
新特性与改进
Python 3.13 支持
随着 Python 3.13 的发布临近,isort 6.0.0 版本已经提前做好了兼容性准备。这意味着开发者可以在 Python 3.13 环境中无缝使用 isort 进行代码格式化,无需担心兼容性问题。
性能优化
新版本对 exists_case_sensitive 调用进行了优化,显著提升了处理速度。这一改进对于大型项目特别有益,能够减少代码格式化的等待时间。
导入语句处理增强
isort 6.0.0 改进了对 as 导入语句的处理,确保 split_on_trailing_comma 功能能够正确工作。同时,Black 风格配置现在默认启用了 magic comma 功能,使代码格式化结果更加符合 Black 的风格要求。
Google 风格配置更新
针对使用 Google 代码风格的项目,isort 更新了 line_length 和 single_line_exclusions 的默认配置,使其更符合 Google 的代码规范要求。
问题修复
并行处理与差异显示
修复了 --diff 选项与 --jobs 并行处理选项不能同时使用的问题,现在开发者可以在并行处理代码的同时查看格式化前后的差异。
重新导出排序问题
解决了 sort_reexports 功能可能导致代码损坏的问题,确保重新导出的模块能够正确排序而不影响代码功能。
包分组处理
修正了按包分组时的 tokenization 问题,使得基于包的导入分组更加准确可靠。
开发工具与基础设施
构建工具迁移
项目从 Poetry 迁移到了 UV 作为包管理工具,这一变化旨在提高依赖解析速度和构建效率。
持续集成改进
更新了 GitHub Actions 工作流,修复了缓存使用方式,并添加了 Dependabot 支持来自动更新 GitHub Actions。这些改进使项目的持续集成流程更加稳定和高效。
总结
isort 6.0.0 是一个重要的里程碑版本,它不仅带来了对新 Python 版本的支持,还通过多项优化和改进提升了工具的性能和稳定性。对于 Python 开发者来说,升级到这一版本将获得更好的代码格式化体验,特别是在大型项目中。建议所有用户评估升级计划,特别是需要注意 Python 3.8 支持已被移除这一变更。
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