Buildkite Agent v3.102.0 版本发布:新增运行时长限制与多项优化
Buildkite Agent 是一个开源的持续集成和持续交付(CI/CD)代理程序,它允许开发者在自己的基础设施上运行构建作业。作为 Buildkite 平台的核心组件,Agent 负责执行构建任务、管理工作队列以及与 Buildkite 服务通信。最新发布的 v3.102.0 版本带来了一些实用的新功能和改进。
新增运行时长限制功能
本次更新最显著的新特性是新增了 disconnect-after-uptime 标志,允许用户为 Agent 设置最大运行时间。这个功能对于需要定期重启 Agent 以获取更新或维护系统稳定性的场景特别有用。管理员现在可以精确控制 Agent 的运行时长,避免长时间运行可能带来的资源泄漏或性能下降问题。
作业获取模式改进
在作业获取模式(acquire-job mode)下,Agent 现在会以相同的退出代码退出。这一改进使得自动化脚本能够更可靠地检测和处理 Agent 的状态变化,特别是在容器化部署或编排系统中使用时,能够提供更一致的退出行为。
Git 镜像仓库修复
v3.102.0 修复了 Git 镜像仓库与 refspec 相关的问题。这个修复确保了在使用 Git 镜像仓库时,引用规范(refspec)能够正确工作,这对于依赖特定分支或标签的构建流程至关重要。开发团队现在可以更可靠地使用镜像仓库功能来加速构建过程。
日志输出改进
日志输出现在会打印有效的 JSON 格式,这一改进使得日志更容易被机器解析和处理。对于使用日志聚合系统或构建自定义监控工具的用户来说,这一变化显著提高了日志数据的可用性。
文档完善
本次更新还包括了对文档的多项改进:
- 明确了注释(annotation)上下文的限制
- 澄清了多密钥 JSON 在 redactor 中的使用方法和限制
这些文档更新帮助用户更好地理解和使用 Buildkite Agent 的各项功能,减少了配置错误和理解偏差的可能性。
内部改进与依赖更新
在内部改进方面:
- 更新了 Homebrew 公式的位置
- 更新了多个容器镜像
- 升级了 Google Cloud API 依赖
这些内部改进虽然对终端用户不可见,但有助于提高项目的可维护性和未来开发效率。
总结
Buildkite Agent v3.102.0 版本在稳定性、功能性和可用性方面都做出了有价值的改进。新增的运行时长限制功能为系统管理员提供了更好的控制能力,而 Git 镜像仓库的修复和日志格式的改进则直接提升了开发者的使用体验。这些更新共同使得 Buildkite Agent 成为一个更加强大和可靠的 CI/CD 解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00