Firebase Tools v13.35.0 版本发布:增强数据连接与部署能力
Firebase Tools 是 Firebase 官方提供的命令行工具集,它允许开发者通过命令行界面与 Firebase 平台进行交互,执行各种操作如项目初始化、部署、模拟测试等。作为 Firebase 生态系统的核心工具,它不断更新以支持新的功能和改进现有体验。
主要更新内容
数据连接(Data Connect)功能增强
本次更新为 Firebase Data Connect 带来了多项重要改进。Data Connect 是 Firebase 提供的简化数据库连接和管理的解决方案,新版本增加了对 Angular SDK 的生成支持,这意味着使用 Angular 框架的开发者现在可以更方便地集成 Firebase 数据服务。
在权限管理方面,更新改进了 SQL 权限处理机制,能够更好地处理由 IAM 角色拥有的表,解决了之前可能导致权限问题的场景。同时修复了初始化时 IAM 用户创建失败的问题,确保了新数据库的顺利设置。
对于本地开发体验,Data Connect 模拟器现在能够正确处理来自 firebase login 的凭证,避免了之前可能出现的认证问题。此外,还修复了模拟器在遇到某些 SQL 错误时崩溃的问题,提高了稳定性。
应用托管模拟器改进
应用托管(App Hosting)模拟器现在支持加载秘密环境变量,这一改进使得本地开发环境能够更准确地模拟生产环境行为。开发者可以在本地测试中使用与实际部署相同的环境变量配置,包括敏感信息的安全处理。
函数部署优化
针对 Google Cloud Functions(GCF)V2 版本,本次更新修复了构件清理功能。通过正确编码构件名称以匹配 GCF V2 的格式,确保了部署后无用构件的自动清理。同时新增了一个专门用于设置函数构件清理策略的命令,为开发者提供了更灵活的资源管理选项。
Web 框架支持增强
对于使用 Angular 的开发者,新版本增加了对第三方构建器的支持,扩展了构建选项的灵活性。同时修复了当 firebase.json 中配置了多个托管站点时,Web 框架部署可能出现的问题,确保了多站点项目的顺利部署。
模拟器体验提升
模拟器 UI 的主体解析限制已调整为与存储模拟器最大值匹配,解决了之前可能因数据大小限制导致的问题。这一改进特别有利于处理较大文件的上传和下载测试场景。
技术细节与开发者影响
本次更新中的多项改进直接影响开发者的日常工作流。例如,Data Connect 对 Angular SDK 的支持意味着前端开发者现在可以更自然地与 Firebase 数据库交互,而无需编写大量胶水代码。函数构件清理策略的引入则帮助团队更好地管理云资源,避免积累无用构件导致的存储成本增加。
对于跨平台开发者,修复了 Windows 平台上 ext:install 命令使用 POSIX 文件分隔符的问题,确保了在不同操作系统上的一致行为。
升级建议
对于现有 Firebase 项目,特别是那些使用 Data Connect、Angular 框架或多站点托管的项目,建议尽快升级到 v13.35.0 版本以利用这些改进和修复。新项目则应直接使用最新版本开始开发,避免遇到已知问题。
升级通常只需运行 npm install -g firebase-tools 命令即可完成。对于团队项目,建议同步更新项目中的 Firebase 相关依赖,确保开发环境的一致性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00