Janet编程语言v1.38.0版本发布:文件操作与PEG语法增强
Janet是一种轻量级、可嵌入的脚本语言,以其简洁的语法和高效的性能著称。它结合了Lisp的函数式编程特性和类似Lua的轻量级设计理念,适用于嵌入式系统、游戏开发、脚本编写等多种场景。Janet的核心设计目标是提供一个小巧但功能强大的语言运行时,同时保持代码的可读性和可维护性。
文件系统操作增强
本次v1.38.0版本在文件系统操作方面进行了多项改进,显著提升了Janet处理文件和目录的能力。
file/open函数现在能够正确识别目录路径。在之前的版本中,如果尝试用file/open打开一个目录路径,可能会导致意外行为。新版本中,当检测到路径指向的是目录而非文件时,会明确返回nil和错误信息,使开发者能够更可靠地处理文件和目录的不同情况。
新增的ev/to-file函数为同步文件操作提供了更直接的接口。这个函数封装了常见的文件读写模式,简化了同步文件操作的代码。它特别适合那些不需要复杂异步处理的简单文件操作场景,让开发者能够用更简洁的代码完成文件读写任务。
字符串处理改进
Janet的长字符串(dedent)处理现在全面支持Windows风格的换行符(CRLF)。这一改进使得Janet在不同操作系统间的行为更加一致,特别是在处理多行字符串时。开发者现在可以放心地在Windows环境下编写包含多行字符串的代码,而不用担心格式问题。
PEG语法扩展
v1.38.0版本引入了新的PEG特殊符号(til),进一步丰富了Janet强大的模式匹配能力。(til)允许开发者指定一个模式,该模式会匹配输入直到遇到特定模式为止。这个新增功能使得文本解析和模式匹配更加灵活,特别是在处理结构化文本或自定义语法时。
子进程管理增强
Janet的子进程管理功能在本版本中得到了多项改进。文档字符串更加清晰准确,帮助开发者更好地理解和使用这些功能。同时,内部实现也进行了优化,使得子进程管理更加可靠和高效。这些改进特别有利于需要与外部程序交互的应用场景。
跨平台支持提升
本次发布显著增强了Janet的跨平台支持能力:
- 新增了Windows Arm64架构的MSI安装包支持,使Janet能够在更多类型的Windows设备上运行
- 改进了MSYS2环境下使用GCC和Clang编译的支持
- 优化了Alpine Linux上s390x架构的测试环境
文档与内部改进
除了功能增强外,v1.38.0版本还包含多项文档和内部改进:
- 多个核心函数的文档字符串得到更新和修正,包括
int/u64、int/s64和int/to-number等 - 修正了apply和short-fn的文档说明,使其更加准确
- 内部虚拟机实现修复了多个潜在问题
- 移除了janet_lib_ffi()对JANET_EV的依赖,提高了代码模块化程度
总结
Janet v1.38.0版本在保持语言核心简洁性的同时,通过一系列精心设计的改进增强了实用性和可靠性。文件系统操作的完善、PEG语法的扩展以及跨平台支持的提升,都使得Janet在各种应用场景下表现更加出色。这些改进既考虑了新手开发者的易用性需求,也满足了资深开发者对性能和灵活性的要求,体现了Janet语言"小而美"的设计哲学。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00