Spring Tools 4.31.0 版本深度解析:Spring Boot开发体验全面升级
项目简介
Spring Tools是Spring生态中重要的开发工具套件,它为开发者提供了强大的IDE支持。本次发布的4.31.0版本带来了多项重要改进,特别是在Spring Boot开发体验方面有显著提升。
核心特性解析
1. Spring Data仓库查询可视化增强
新版本对Spring Data仓库的查询方法提供了更直观的展示方式。当项目启用了AOT(Ahead-Of-Time)编译时,工具会自动为生成的查询方法添加CodeLens标记,开发者可以直接在代码编辑器中看到这些查询语句,无需跳转到其他文件或控制台。
对于MongoDB查询的支持也得到了加强,现在可以正确提取MongoDB的查询语句并展示给开发者。当查询方法上已经存在@Query注解时,工具会智能地隐藏自动生成的查询语句,避免信息冗余。
2. 文档符号层次化展示
文档符号(Document Symbols)功能现在支持层次化展示,这一改进同时适用于VSCode和Eclipse平台。在Spring符号视图中,相关元素会按照其作用域进行嵌套展示,默认情况下树状结构是展开的,开发者可以快速浏览项目的结构层次。
3. Spring Boot 3.5支持
版本4.31.0为即将到来的Spring Boot 3.5做好了准备,包括构建文件和属性的升级支持。开发者可以平滑过渡到新版本的Spring Boot,工具会自动处理相关的配置变更。
开发体验优化
1. 代码导航增强
对于AOT编译生成的仓库元数据,现在提供了"转到定义"的支持,开发者可以方便地跳转到相关定义处。查询方法签名匹配也更加精确,减少了误匹配的情况。
2. 快速修复功能
新增了一项实用的快速修复功能:当开发者查看自动生成的查询语句时,可以通过快速修复将其转换为手动编写的@Query注解,这为需要定制查询逻辑的场景提供了便利。
3. 属性补全去重
属性键补全功能现在会自动去除重复项,使得开发者在使用Spring配置属性时能够获得更干净、更准确的补全建议。
平台适配更新
Eclipse平台改进
本次发布基于最新的Eclipse 2025-06版本构建,带来了平台本身的新特性和改进。特别修复了Boot Dashboard在2025-06M1版本中的回归问题,确保开发者能够正常使用这一重要功能。
开发者建议
对于使用Eclipse平台的开发者,如果在安装新版本后遇到EclEmma插件不工作的情况,建议将EclEmma更新至3.1.10或更高版本,这可以通过标准的"Install New Software"流程完成。
总结
Spring Tools 4.31.0版本在开发体验上做出了多项实质性改进,特别是对Spring Data仓库和文档符号的支持更加完善。这些改进将帮助开发者更高效地构建Spring Boot应用,减少上下文切换,专注于业务逻辑的实现。无论是新项目创建还是现有项目维护,升级到这一版本都将带来明显的效率提升。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00