zest.releaser 技术文档
1. 安装指南
zest.releaser 是一个用于自动化 Python 项目发布的命令行工具集合。它可以帮助你自动完成版本号更新、历史记录更新、版本控制标签创建以及上传到 PyPI 等任务。
安装方式
你可以通过以下方式安装 zest.releaser:
-
使用 pip 安装:
pip install zest.releaser -
安装推荐的额外工具: 如果你希望安装推荐的额外工具(如
wheel、check-manifest、pyroma和readme_renderer),可以使用以下命令:pip install zest.releaser[recommended] -
使用 buildout 安装: 如果你使用
buildout,可以在项目的buildout配置文件中添加以下内容:[buildout] parts = scripts [scripts] recipe = zc.recipe.egg eggs = zest.releaser[recommended]
2. 项目的使用说明
zest.releaser 提供了多个命令来帮助你发布 Python 包。这些命令必须在版本控制的代码库中运行。
主要命令
-
prerelease:询问你新的版本号(默认为当前版本号去掉
dev等标记),更新setup.py或version.txt以及CHANGES/HISTORY/CHANGELOG文件,并提交这些更改到版本控制系统。 -
release:从当前代码库的主干或分支创建一个版本控制标签,并在临时目录中生成一个标签的检出。然后,它会询问你是否要将该包的源代码发布到 PyPI。
-
postrelease:询问你新的版本号(提供一个合理的默认值),并为其添加开发标记。更新
setup.py或version.txt以及CHANGES/HISTORY/CHANGELOG文件,并提交这些更改到版本控制系统。 -
fullrelease:依次执行
prerelease、release和postrelease命令。
其他工具
-
longtest:渲染长描述并在浏览器中打开,方便在上传到 PyPI 之前调试格式问题。
-
lasttagdiff:显示当前分支与上一个发布标签之间的差异,方便检查所有更改是否在变更文件中得到充分描述。
-
lasttaglog:显示当前分支自上一个发布标签以来的日志,方便检查所有更改是否在变更文件中得到充分描述。
-
addchangelogentry:将命令行中提供的文本添加到变更日志中,并作为提交消息。适用于批量更改多个包时使用。
-
bumpversion:仅更新版本号,不进行发布。如果存在开发标记,则保留该标记。使用
--feature选项更新次版本号,使用--breaking选项更新主版本号。
3. 项目 API 使用文档
zest.releaser 主要通过命令行工具提供功能,因此没有直接的 API 接口。你可以通过命令行调用上述命令来完成项目的发布和管理。
示例
以下是一些常见的使用示例:
-
预发布:
prerelease -
发布:
release -
后发布:
postrelease -
完整发布:
fullrelease -
仅更新版本号:
bumpversion --feature
4. 项目安装方式
zest.releaser 可以通过 pip 或 buildout 进行安装。推荐使用 pip 安装,因为它简单且易于管理。
使用 pip 安装
pip install zest.releaser
安装推荐的额外工具
pip install zest.releaser[recommended]
使用 buildout 安装
在 buildout 配置文件中添加以下内容:
[buildout]
parts =
scripts
[scripts]
recipe = zc.recipe.egg
eggs = zest.releaser[recommended]
通过以上步骤,你可以轻松安装并使用 zest.releaser 来管理你的 Python 项目发布流程。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00