Brush Shell v0.2.15 发布:动态变量与性能优化
2025-07-10 22:02:26作者:沈韬淼Beryl
项目简介
Brush 是一个用 Rust 语言编写的 Unix shell 实现,旨在提供与 Bash 兼容的交互式体验。该项目专注于实现 POSIX shell 标准的同时,也支持许多 Bash 扩展功能,为开发者提供了一个现代化、高性能的 shell 替代方案。
核心更新内容
动态变量系统的引入
本次发布的 v0.2.15 版本中,最显著的架构改进是引入了"动态变量"机制。这一特性允许 shell 变量不仅可以从环境变量或用户赋值中获取值,还可以通过 Rust 代码动态计算生成。基于这一机制,Brush 实现了多个标准 shell 特殊变量:
$SHELLOPTS:显示当前启用的 shell 选项$BASHOPTS:显示 Bash 兼容选项(尽管项目名为 Brush,但仍保持与 Bash 的兼容性)
动态变量的实现采用了 Rust 的 trait 系统,为变量访问提供了灵活的扩展点。这种设计既保持了性能,又为未来实现更复杂的变量行为奠定了基础。
性能优化措施
本次版本包含多项性能优化改进:
-
词法分析优化:当检测到字符串不需要扩展时,直接跳过解析阶段,减少了不必要的计算开销。
-
减少对象克隆:通过代码审查移除了多处不必要的对象克隆操作,降低了内存分配频率。
-
导出变量枚举优化:简化了环境变量导出的内部实现,提高了变量枚举效率。
-
算术表达式求值:优化了递归变量引用处理,减少了中间字符串的创建。
这些优化使得 Brush 在启动速度和命令执行效率上都有了可感知的提升,特别是在处理复杂脚本时效果更为明显。
重要功能改进
1. 选项处理增强
- 实现了
dotglob选项语义,控制通配符是否匹配以点开头的文件 - 新增支持
set -t选项(跟踪模式) - 实现了
set -a选项(自动导出变量)
2. 控制流语句完善
- 扩展了
continue命令,支持continue n语法(n ≥ 2) - 修正了
for循环在没有in关键字时的语义 - 修复了
return命令在非函数/脚本上下文中的错误处理
3. 语法解析修正
- 修复了字符范围模式(如 [a-z])的错误解析
- 修正了非扩展测试命令中
=操作符的语义 - 改进了算术表达式中嵌套括号的处理
兼容性改进
1. 内置命令行为修正
set内置命令现在正确处理-和--参数command内置命令不再将--help解释为特殊参数read内置命令现在正确处理制表符
2. 变量处理增强
- 改进了整数变量的处理逻辑
- 实现了负偏移量的子字符串扩展
- 递归求值算术表达式中的变量引用
3. 重定向与错误处理
- 确保重定向文件描述符与操作符的连续性
- 允许在重定向错误后继续执行
- 改进了当前工作目录不存在时的错误提示
测试与质量保证
本次发布包含了大量测试用例的更新和补充:
- 增加了对 Bash 补全功能的测试覆盖
- 更新了词法分析器/解析器的基准测试
- 解决了测试中关于副作用处理的误报问题
- 将 CI 测试环境迁移到 Debian testing 基础镜像
开发者体验改进
- 移除了不必要的
pub(crate)可见性注解 - 减少了不必要的 Result 包装
- 修复了随机数生成器的警告
- 更新了项目文档和 README
总结
Brush Shell v0.2.15 是一个以稳定性和性能为导向的版本,通过引入动态变量系统为未来的功能扩展打下了坚实基础。该版本在语法兼容性、性能优化和错误处理方面都有显著改进,使得这个 Rust 实现的 shell 更加成熟可靠。对于追求现代化 shell 体验的开发者而言,Brush 正逐渐成为一个值得考虑的选择。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1