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。
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