Eclipse Che 7.100.0 版本发布:增强Azure DevOps支持与开发者体验优化
项目简介
Eclipse Che 是一个开源的云原生集成开发环境(IDE)和开发者工作空间平台。它采用容器化技术,为开发者提供即用型、可定制的工作空间,支持多种编程语言和框架。Eclipse Che 的核心优势在于其能够为团队提供一致的开发环境,消除"在我机器上能运行"的问题。
主要更新内容
Azure DevOps Server (TFS) 支持
本次7.100.0版本新增了对Microsoft Azure DevOps Server (TFS)的支持,这是一个重要的企业级功能扩展。开发团队现在可以通过配置个人访问令牌(PAT)来访问本地部署的Azure DevOps Server实例。
这一功能的实现考虑了企业环境中的安全需求,特别值得注意的是当前版本仅支持PAT方式,而不支持OAuth 2.0认证。这种设计选择是基于Azure DevOps Server当前的技术限制,为需要严格安全控制的企业环境提供了可行的集成方案。
TLS证书导入流程简化
安全性是云IDE平台的重要考量。新版本显著简化了不受信任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使用Eclipse Che的门槛,特别是那些使用自签名证书的基础设施。
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,Python扩展(ms-python.python)在浏览器刷新后无法激活的问题。这一修复直接提升了Python开发者的工作效率,避免了因IDE刷新导致开发中断的情况。
工作空间启动性能优化
针对某些Kubernetes集群环境下,用户仪表板访问可能因超时而失败的问题,新版本将默认超时时间从15秒延长至30秒。同时引入了CHE_DASHBOARD_AXIOS_REQUEST_TIMEOUT环境变量,允许管理员根据实际集群性能进行更灵活的配置。
Git配置管理改进
优化了Git用户名和邮箱的获取逻辑。现在系统会优先检查工作空间用户数据中的现有配置,仅在必要时才向Git提供商请求信息。这一改变减少了不必要的网络请求,提升了系统响应速度。
技术细节修复
-
解决了父级devfile引用导致工作空间启动失败的问题,错误信息"无法添加属性attributes,对象不可扩展"已修复。
-
修正了Gitea仓库使用SSH URL启动工作空间时出现的"无法读取未定义的属性schemaVersion"警告中断问题。
-
改进了原始devfile在用户仪表板中的显示准确性,确保开发者能够查看未经修改的原始配置。
-
修复了Gitconfig页面在未配置PAT或OAuth时无法显示用户信息的界面问题。
总结
Eclipse Che 7.100.0版本在三个方面做出了显著改进:扩展了对企业级Git服务(Azure DevOps Server)的支持,优化了安全证书管理流程,并修复了多个影响开发者体验的关键问题。这些改进使得平台在企业环境中的适用性更强,同时为日常开发工作提供了更稳定、高效的环境。特别是对Python开发者和使用内部Git服务的团队来说,这个版本带来了实质性的体验提升。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07