MaaFramework 项目版本号规范设计与实践
2025-07-06 22:20:46作者:秋阔奎Evelyn
版本号设计背景
在软件开发过程中,版本号是标识软件发布状态的重要标识符。MaaFramework 项目作为一个开源框架,需要一套严谨的版本号规范来管理其发布过程。特别是在软件包管理场景下,传统的 commit hash 方式无法满足所有包管理器的要求,因此需要引入唯一数字标识来确保版本号的唯一性。
版本号结构设计
MaaFramework 采用了语义化版本号(SemVer)的扩展设计,整体结构如下:
<Version Core>[-<Version Unique ID>][+<Version Metadata>]
版本核心(Version Core)
版本核心遵循主版本号.次版本号.修订号的经典三段式结构,并增加了预发布和发布后标识:
主版本号.次版本号.修订号[-(alpha|beta|rc).预发布号][-post.发布后号]
- 主版本号、次版本号和修订号来自 Git 标签(v*)
- 预发布号标识开发阶段(alpha/beta/rc)
- 发布后号表示距离最近标签的提交次数
唯一标识(Version Unique ID)
为确保构建唯一性,增加了构建环境标识:
(ci.持续集成号|dev.本地构建号)
- CI 构建使用 GitHub Actions 的 run_id
- 本地构建推荐使用 Unix 时间戳
元数据(Version Metadata)
附加信息采用点分格式:
[${other_metadata}].[${commit_hash}.${date%Y%m%d}]
元数据仅允许使用字母数字字符,正式发布版本可省略哈希和日期信息。
版本号生成规则
CI 构建版本号
CI 环境生成的版本号格式为:
主版本号.次版本号.修订号[-(alpha|beta|rc).预发布号][-post.发布后号-ci.GitHub运行ID+提交哈希.日期]
标签命名规范
项目强制规定标签必须采用以下格式:
v主版本号.次版本号.修订号[-(alpha|beta|rc).预发布号]
正则表达式验证
为验证版本号格式,项目提供了严格的正则表达式:
^((0|[1-9]\d*)\.(0|[1-9]\d*)\.(0|[1-9]\d*)(?:-(alpha|beta|rc)\.([1-9]\d*))?(?:-(?:post)\.([1-9]\d*))?)(?:-((?:ci|dev)\.([1-9]\d*)))?(?:\+(([0-9a-zA-Z][0-9a-zA-Z.]*?)??(?:\.?([0-9a-zA-Z]+)\.([0-9]{8}))?))?$
该正则支持多种编程语言,包括 JavaScript、Perl、PHP、Python 和 Go 等。
设计优势
- 兼容性:既支持语义化版本规范,又能适应各种包管理器的要求
- 可追溯性:通过唯一构建标识和元数据,可以精确定位代码状态
- 自动化友好:严格的格式规范便于工具链自动化处理
- 环境区分:清晰区分 CI 构建和本地构建结果
这套版本号规范为 MaaFramework 项目的版本管理提供了清晰的标准,确保了从开发到发布的整个生命周期中版本标识的一致性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 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 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218