JDBI项目中的JPMS兼容性问题解析与修复方案
在Java模块化系统(JPMS)逐渐成为现代Java开发标准的环境下,许多传统Java库都面临着模块化兼容性的挑战。JDBI作为一个流行的SQL操作工具库,近期被发现存在一个影响其在Gradle构建工具中JPMS兼容性的关键问题。
问题的本质在于JAR文件中MANIFEST.MF文件的位置问题。根据Java规范,MANIFEST.MF文件应当作为JAR文件的第一个或第二个条目出现,这样才能确保JarInputStream能够正确识别。然而在JDBI的构建过程中,由于使用了maven-inline-plugin插件,导致生成的JAR文件中MANIFEST.MF文件位置不符合这一要求。
这个问题在技术层面上表现为:当Gradle尝试解析JDBI作为自动模块(automatic module)时,由于无法在预期位置找到MANIFEST.MF文件,导致模块化信息识别失败。虽然从技术角度讲这是Gradle实现上的一个缺陷(因为规范并未严格要求MANIFEST.MF必须在前两个位置),但现实情况是许多工具都依赖这一约定俗成的行为。
JDBI团队经过调查发现,问题的根源在于构建过程中使用的maven-inline-plugin插件影响了JAR文件的条目顺序。在即将发布的1.5.0版本中,该插件已经修复了这个问题,能够确保MANIFEST.MF文件出现在正确的位置。
从长远来看,这个问题的最佳解决方案是为JDBI添加明确的module-info.java文件。这样不仅可以避免对MANIFEST.MF文件位置的依赖,还能提供更精确的模块化声明,特别是对于可选依赖可以使用"requires static"语法来声明。不过在此之前,通过更新构建插件来修复MANIFEST.MF位置问题已经能够解决当前的兼容性障碍。
最终,JDBI在3.46.0版本中通过更新构建配置解决了这个问题,用户反馈验证了这一修复的有效性。这个案例也提醒我们,在Java模块化转型过程中,库开发者需要关注构建工具链对模块化支持的各种细节问题。
对于开发者而言,当遇到类似模块化兼容性问题时,可以:
- 检查JAR文件中MANIFEST.MF的位置
- 考虑添加明确的module-info.java
- 关注构建工具插件的更新情况
- 在必要时与相关工具维护者沟通协调解决方案
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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