Kroki项目v0.27.0版本发布:图表即服务的重要更新
Kroki是一个开源的图表即服务(Diagram-as-a-Service)工具,它能够将简单的文本描述转换为各种类型的图表。通过支持多种图表语法(如PlantUML、Graphviz、Mermaid等),Kroki为开发者和技术文档编写者提供了便捷的图表生成方案。最新发布的v0.27.0版本带来了一系列改进和新特性。
核心功能升级
本次版本更新中,Kroki对两个重要的可视化库进行了版本升级:
-
Vega升级至5.31.0:Vega是一个声明式语言,用于创建、保存和分享交互式可视化设计。新版本带来了性能优化和bug修复。
-
Vega Lite升级至5.23.0:作为Vega的高级抽象,Vega Lite简化了可视化创建过程,新版本增强了图表交互性和渲染效果。
主要改进点
PlantUML路径包含支持
在v0.27.0中,Kroki现在能够正确地将plantuml.include.path属性传递给原生PlantUML二进制文件。这一改进使得用户能够更方便地组织和管理PlantUML的包含文件,特别是在大型项目中,可以通过指定包含路径来复用图表组件。
Structurizr DSL限制性解析
Structurizr是一种基于文本的软件架构图描述语言。新版本激活了Structurizr DSL的限制性解析功能,这意味着:
- 提高了安全性,防止潜在的不安全代码执行
- 增强了稳定性,减少了因复杂DSL导致的解析错误
- 为未来可能的功能扩展奠定了基础
基础设施优化
基础镜像升级
开发团队将基础操作系统镜像升级到了Ubuntu 24,这一变更带来了:
- 更安全的系统环境
- 更好的性能表现
- 对新硬件的支持
构建系统改进
-
Makefile迁移至Task:构建系统从传统的Makefile迁移到了更现代的Task工具,这使得构建过程更加灵活和可维护。
-
跨平台构建支持:特别增强了macOS/ARM64架构的构建兼容性,同时修复了Windows平台的构建问题,确保开发者能在各种环境下顺利构建Kroki。
-
依赖管理:更新了Maven Wrapper至3.3.2版本,并升级了多个Java依赖库,提高了项目的安全性和稳定性。
开发者体验
对于开发者而言,v0.27.0版本特别关注了开发体验的改进:
- 更一致的跨平台构建体验
- 现代化的构建工具链
- 更新的依赖管理
- 更全面的架构支持
这些改进使得开发者能够更轻松地参与项目贡献,无论是在个人开发环境还是团队协作中。
总结
Kroki v0.27.0版本虽然没有引入重大新功能,但在稳定性、安全性和开发者体验方面做出了重要改进。从基础架构升级到特定功能的优化,这些变化共同提升了Kroki作为图表即服务解决方案的整体质量。对于现有用户来说,升级到这个版本将获得更好的性能和更稳定的体验;对于新用户,这个版本提供了更完善的开发环境和更广泛的支持。
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