Spring Tools 4 4.28.0版本发布:性能优化与功能增强
Spring Tools 4是Spring团队为开发者提供的一套集成开发环境工具,旨在提升Spring应用的开发效率。最新发布的4.28.0版本带来了一系列重要的性能优化和功能改进,特别是针对Spring Boot开发体验的显著提升。
核心性能优化
本次版本最引人注目的改进之一是Spring Index缓存管理的优化。开发团队重构了缓存操作机制,显著提升了索引处理的效率。对于大型项目而言,这一改进将带来更快的代码分析和更流畅的IDE体验。
另一个值得关注的优化是Boot语言服务器(JAR)文件大小的缩减,从271MB减少到207MB。这种体积优化不仅减少了磁盘空间占用,还意味着更快的启动时间和更低的内存消耗,对于资源受限的开发环境尤为有益。
Spring Boot开发体验增强
在Spring Boot支持方面,新版本带来了多项实用改进:
-
组件符号处理优化:现在能更准确地处理
@Component注解的value属性,正确识别bean名称,减少了配置错误。 -
注解处理增强:避免为
org.springframework.lang包中的注解创建符号,减少了不必要的符号表条目,提升了性能。 -
依赖关系提示改进:
@DependsOn注解的代码补全现在更加智能,不再建议依赖自身bean,避免了循环依赖的潜在问题。 -
属性编辑体验:修复了属性编辑器关闭后问题标记残留的bug,使开发体验更加流畅。
框架特定功能改进
针对不同Spring框架模块,新版本也做了针对性优化:
-
WebFlux支持:改进了路由变更时的代码透镜显示,确保处理器方法的可视化提示不会意外消失。同时优化了媒体类型提取逻辑,特别是对
MediaType.APPLICATION_JSON的处理。 -
Spring Data JPA:修复了实体名称变量触发HQL查询语法验证错误的问题,使JPA开发更加顺畅。
-
SQL查询支持:增强了对特殊SQL语法(如"CALL {h-schema}")的处理能力,减少了误报错误。
底层架构升级
在底层技术上,本次更新将JDT核心升级到了3.40版本,带来了更稳定的Java语言支持。同时改进了文件系统异常处理,解决了"Provider jdt not installed"等潜在问题。
对于Eclipse用户,新版本已经开始提供对即将发布的Eclipse 2025-03里程碑构建的早期支持,确保开发者能够提前体验最新的平台功能。
总结
Spring Tools 4 4.28.0版本通过精心设计的性能优化和功能增强,为Spring开发者带来了更加高效和愉悦的开发体验。从缓存管理到特定框架支持,每一项改进都体现了团队对开发效率的持续追求。无论是处理大型项目还是日常开发任务,这个版本都值得开发者升级体验。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00