isort 6.0.0 版本发布:Python 导入排序工具的重大更新
isort 是一个流行的 Python 工具,专门用于自动整理和排序 Python 代码中的导入语句。它能够根据用户定义的规则,将导入语句分组并按字母顺序排列,使代码更加整洁和一致。isort 支持多种配置选项,可以与各种代码风格指南(如 PEP 8)配合使用,并且能够与大多数现代开发工具集成。
主要变更内容
不兼容性变更
本次 6.0.0 版本移除了对 Python 3.8 的支持,这意味着用户需要至少使用 Python 3.9 或更高版本才能运行最新版的 isort。这一变更反映了 Python 生态系统的自然演进,允许开发团队专注于支持更新的 Python 特性并减少维护负担。
新特性与改进
-
Python 3.13 支持:isort 现在正式支持即将发布的 Python 3.13 版本,确保用户可以在最新的 Python 环境中使用该工具。
-
性能优化:通过改进
exists_case_sensitive调用的实现,显著提升了工具的运行速度,特别是在处理大型代码库时。 -
Black 风格配置增强:在 Black 配置文件中启用了 magic comma 功能,使得与 Black 格式化工具的集成更加无缝。
-
Google 代码风格更新:调整了 Google 风格配置中的行长度限制和单行排除规则,使其更符合实际的 Google Python 风格指南。
-
导入语句处理改进:修复了
split_on_trailing_comma功能与as导入语句的兼容性问题,并解决了重新导出排序时的代码损坏问题。
问题修复
-
并行处理修复:现在
--diff选项可以与--jobs并行处理选项一起使用,解决了之前的不兼容问题。 -
代码风格修正:修正了 wemake 风格的字符限制说明(实际为 80 字符而非 79),并修复了 Google 风格测试中的问题。
-
包分组修复:改进了按包分组的标记化处理,确保分组逻辑更加准确。
-
语法错误修正:修复了主分支上的一些语法错误和拼写错误。
开发工具与基础设施
-
依赖管理现代化:将 Poetry 更新至 2.0.1 版本,并引入了 UV 作为 Poetry 的替代方案,提升了依赖管理的效率和安全性。
-
CI/CD 改进:更新了 GitHub Actions 工作流,移除了过时的 actions/cache@v2 使用,并添加了 Dependabot 支持以自动更新 GitHub Action。
-
依赖项安全更新:升级了多个依赖项版本,包括 gitpython 和 jinja2,以解决潜在的安全问题。
技术影响与建议
对于现有用户,升级到 6.0.0 版本前需要注意以下几点:
-
确保您的 Python 环境至少为 3.9 版本,如果仍在使用 3.8,需要先升级 Python 环境。
-
如果您使用 Black 作为代码格式化工具,新的 magic comma 支持可能会改变一些导入语句的格式化方式,建议在非生产环境中先测试这些变更。
-
对于大型项目,新的性能优化可能会显著减少导入排序所需的时间,特别是在持续集成环境中。
-
建议检查您的配置文件,特别是如果您使用 Google 或 wemake 风格,因为这些风格的默认设置已经更新。
isort 6.0.0 版本代表了该项目的一个重要里程碑,不仅提供了对新 Python 版本的支持,还通过多项优化和改进提升了工具的稳定性、性能和用户体验。对于重视代码整洁和一致性的 Python 开发团队来说,升级到这个版本将带来明显的益处。
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