Brush Shell v0.2.18 版本发布:Bash兼容Shell的又一里程碑
Brush 是一个用 Rust 语言实现的 Bash 兼容 shell,旨在提供现代化的命令行体验,同时保持与 Bash 的高度兼容性。该项目不仅关注性能优化,还致力于提供良好的开发者体验和可扩展性。
核心改进
1. 核心API优化
本次版本对 brush-core 模块的API进行了重大改进,使其更符合Rust的惯用法。主要变化包括:
- 新增了环境变量和内置命令的添加方法
- 将
&Path参数改为更通用的AsRef<Path>类型 - 提供了更符合人体工程学的API设计
这些改进使得在应用程序中嵌入Brush变得更加容易和直观,特别是对于那些需要自定义shell行为的场景。
2. 路径处理增强
实现了 cd 和 pwd 命令的 -L 和 -P 选项支持:
-L选项使用逻辑路径(解析符号链接)-P选项使用物理路径(不解析符号链接)
这一改进使得路径处理更加符合POSIX标准,提高了与其他shell的兼容性。
3. mapfile/readarray 重大改进
对 mapfile 和 readarray 内置命令进行了全面增强:
- 实现了
-n选项(限制读取行数) - 实现了
-d选项(自定义分隔符) - 实现了
-s选项(跳过起始行) - 优化了核心输入循环的性能
这些改进使得处理文本文件数据更加灵活高效,特别适合脚本编程场景。
4. 新功能实现
ulimit 内置命令
首次实现了 ulimit 命令的基本功能,包括:
- 资源限制查询
- 软硬限制设置
- 多种资源类型支持
bind -x 支持
实现了 bind -x 功能,允许将按键绑定到shell命令:
- 支持自定义键绑定
- 兼容常见的.bashrc配置
- 为shell扩展提供了基础
其他重要改进
-
提示符系统增强:支持了PROMPT_COMMAND数组,使得提示符定制更加灵活。
-
信号处理改进:正确处理了trap命令的'-'取消注册语法。
-
变量声明优化:
- 修复了declare -r的问题
- 改进了对不存在函数的处理
- 支持了负下标数组访问
-
命令扩展修复:解决了嵌套在单/双引号字符串中的反引号命令解析问题。
-
函数导入导出:实现了函数的导出和导入功能,增强了模块化能力。
-
编辑模式改进:
- 映射Ctrl+_为撤销操作
- 修复了多个编辑模式问题
开发者体验提升
-
依赖升级:更新了reedline、nix、clap等多个关键依赖。
-
代码质量:
- 启用了更多lint检查
- 修复了unnamable_types问题
- 改进了错误处理
-
测试增强:
- 添加了兼容性测试
- 建立了已知问题测试集
- 改进了测试文件处理
-
构建优化:
- 分离了release和bench配置
- 修复了特性标志问题
- 改进了无默认特性构建
总结
Brush Shell v0.2.18版本在兼容性、功能和开发者体验方面都取得了显著进步。特别是对核心API的改进使得它更适合作为嵌入式shell使用,而mapfile和ulimit等功能的完善则进一步缩小了与Bash的差距。bind -x的实现更是为高级用户和扩展开发者提供了更多可能性。
随着社区的不断壮大,Brush正在快速成长为一个既保持Bash兼容性又具备现代特性的优秀shell实现。对于Rust爱好者和shell用户来说,这无疑是一个值得关注的项目。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00