Pixi 项目 v0.46.0 版本发布:任务系统全面升级
2025-06-13 10:05:47作者:齐冠琰
Pixi 是一个现代化的跨平台包管理和项目环境管理工具,它能够帮助开发者轻松管理项目依赖和环境配置。通过 Pixi,开发者可以快速创建隔离的开发环境,确保项目在不同机器和操作系统上的一致性。
任务系统迎来重大更新
本次发布的 v0.46.0 版本对 Pixi 的任务系统进行了全面升级,引入了多项重要改进。
模板引擎集成
任务命令现在支持使用 Minijinja 模板引擎进行渲染,这为任务定义带来了强大的动态处理能力。开发者可以在任务命令中使用条件判断、循环和过滤器等高级功能:
[tasks]
# 使用过滤器将参数转换为大写
task1 = { cmd = "echo {{ text | upper }}", args = ["text"] }
# 条件判断和过滤器组合使用
task2 = { cmd = "echo {{ text | lower if 'hoi' in text }}", args = [
{ arg = "text", default = "" },
] }
# 字符串拼接
task3 = { cmd = "echo {{ a + b }}", args = ["a", { arg = "b", default = "!" }] }
# 循环处理
task4 = { cmd = "{% for name in names | split %} echo {{ name }};{% endfor %}", args = [
"names",
] }
需要注意的是,由于 Minijinja 的限制,任务参数名称中不能再包含连字符(-),这可能会影响现有项目的兼容性。
任务依赖简化语法
新版本引入了更简洁的任务依赖定义方式。原先需要显式使用 depends-on 键的语法现在可以简化为直接使用数组:
[tasks]
# 旧语法
test-all = { depends-on = [{task = "test", args = ["all"] }]}
# 新语法(等效)
test-all = [{ task = "test", args = ["all"] }]
环境选择支持
任务依赖现在可以指定运行环境,这在多环境项目中特别有用:
[tasks]
test-all = [
{ task = "test", environment = "py311" },
{ task = "test", environment = "py312" },
]
其他重要改进
架构支持扩展
v0.46.0 新增了对 riscv64 Linux 架构的支持,进一步扩大了 Pixi 的适用范围。
安装体验优化
安装脚本现在可以在没有 tar 和 unzip 命令的系统上运行,提高了安装的兼容性。同时,Windows 平台的安装文档也进行了更新,与实际安装脚本保持一致。
错误处理增强
构建后端崩溃时会有更清晰的错误提示,帮助开发者更快定位问题。此外,当 PyPI 依赖发生变化时,锁定文件会自动失效,确保依赖解析的准确性。
开发者体验改进
项目文档进行了多处更新和修正,包括:
- 修正了任务文档中的拼写错误
- 更新了 ROS2 示例,使用 robostack-humble 通道
- 提供了使用 direnv 的指导
- 统一了术语,将部分文档中的"project"改为"workspace"
总结
Pixi v0.46.0 通过引入 Minijinja 模板支持和简化任务定义语法,显著提升了任务系统的灵活性和易用性。这些改进使得 Pixi 在复杂项目环境管理方面更加强大,特别是对于需要跨多个环境运行任务的项目。同时,架构支持的扩展和安装体验的优化也使得 Pixi 能够服务于更广泛的开发者群体。
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1