Auto-Dev项目插件构建指南
构建IntelliJ平台插件的基本流程
对于Auto-Dev这类基于IntelliJ平台的插件项目,构建过程需要遵循特定的工作流程。项目中的构建配置通常使用Gradle作为构建工具,这是JetBrains推荐的插件开发方式。
准备工作
在开始构建前,开发者需要确保本地环境满足以下要求:
- 安装JDK 11或更高版本
- 配置Gradle 7.0或更高版本
- 安装IntelliJ IDEA开发环境
构建步骤详解
-
克隆项目代码:首先需要获取Auto-Dev项目的完整源代码,包括所有模块和依赖项。
-
配置构建环境:检查项目的gradle.properties文件,确认插件版本号和其他必要参数已正确设置。
-
执行构建命令:在项目根目录下运行以下Gradle命令:
./gradlew buildPlugin这个命令会执行完整的构建流程,包括编译代码、运行测试和打包插件。
-
获取构建产物:构建完成后,插件包通常位于build/distributions目录下,文件格式为.zip。
常见问题解决
如果构建过程中遇到lib文件夹不完整的问题,可能是以下原因导致:
-
依赖未正确解析:尝试运行
./gradlew dependencies检查依赖关系,然后执行./gradlew --refresh-dependencies刷新依赖。 -
构建配置错误:检查build.gradle.kts文件中的插件配置部分,确保intellij插件配置正确。
-
缓存问题:清理Gradle缓存后重新构建,使用命令
./gradlew clean build。
高级构建技巧
对于需要自定义构建流程的开发者,可以考虑:
-
修改build.gradle.kts文件中的intellij配置块,指定特定的IntelliJ平台版本。
-
添加自定义任务来处理构建过程中的特殊需求,如资源处理或代码生成。
-
配置持续集成流程,实现自动化构建和部署。
构建后的验证
构建完成后,建议通过以下方式验证插件包:
-
在IntelliJ IDEA中安装本地构建的插件包进行测试。
-
使用
./gradlew runIde命令启动带有插件的IDE实例进行调试。 -
检查插件描述文件是否正确包含所有必要信息。
通过遵循这些步骤,开发者可以顺利完成Auto-Dev插件的构建过程,并为后续的开发和测试工作做好准备。
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