Ember CLI 6.3.0 新特性:支持创建不含 Ember Data 的项目
在最新的 Ember CLI 6.3.0 beta 版本中,开发团队引入了一个重要改进:开发者现在可以通过命令行参数创建不包含 Ember Data 依赖的全新 Ember 应用。这一改进解决了长期困扰部分开发者的问题,为项目初始化提供了更灵活的选项。
背景与痛点
Ember Data 作为 Ember.js 生态中的官方数据管理库,长期以来都是新创建 Ember 项目的默认依赖。然而在实际开发中,并非所有项目都需要使用 Ember Data。例如:
- 使用 GraphQL 或其他非 RESTful API 的项目
- 仅需要简单 AJAX 调用的轻量级应用
- 使用其他数据管理方案(如 Apollo Client)的项目
在过去,开发者创建新项目后需要手动移除 Ember Data 及其相关依赖,这一过程不仅繁琐,还容易遗漏某些依赖项。
新特性详解
Ember CLI 6.3.0 版本通过引入新的命令行参数解决了这一问题。现在开发者可以通过以下方式创建不包含 Ember Data 的项目:
ember new my-app --no-ember-data
这一命令将生成一个完整的 Ember 项目结构,但不会包含任何与 Ember Data 相关的依赖包。项目初始化过程更加高效,避免了后续手动清理的工作。
技术实现原理
在底层实现上,Ember CLI 团队对项目生成器进行了重构,将 Ember Data 相关的依赖和配置从核心模板中分离出来。当检测到 --no-ember-data 参数时,生成器会跳过以下内容:
- 不安装 ember-data 包
- 不生成适配器、序列化器等样板文件
- 不包含相关的测试辅助工具
- 调整项目配置以兼容无 Ember Data 的环境
升级建议
对于正在使用 Ember CLI 6.x 版本的开发者,建议通过以下方式体验这一新特性:
- 升级到最新 beta 版本
- 使用新参数创建测试项目
- 验证项目功能是否符合预期
这一改进向后兼容,不会影响现有项目的运行。对于已经存在的项目,开发者仍然可以手动移除 Ember Data 依赖,但推荐在新项目初始化时直接使用新参数。
总结
Ember CLI 6.3.0 的这一改进体现了框架对开发者体验的持续优化。通过提供更细粒度的项目初始化选项,Ember 生态系统变得更加灵活,能够更好地适应不同类型的项目需求。这一变化特别适合那些需要轻量级解决方案或使用替代数据管理方案的开发者。
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