Jsonnet v0.21.0-rc1 发布:功能增强与问题修复
Jsonnet 是一种数据模板语言,它扩展了 JSON 格式,增加了变量、函数、条件语句等编程特性,使得配置文件的编写更加灵活和高效。Jsonnet 可以生成 JSON、YAML 等格式的输出,广泛应用于 Kubernetes 配置管理、基础设施即代码等领域。
近日,Jsonnet 项目发布了 v0.21.0-rc1 版本,这是近两年来首个发布候选版本。该版本包含了多项功能增强、问题修复以及构建系统的改进,为正式版的发布奠定了基础。下面我们将详细介绍这个版本的主要变化。
语言特性改进
本次更新对 Jsonnet 语言本身进行了一些增强:
-
数组切片支持负索引:现在可以使用负数作为数组切片的起始或结束索引,行为与 Python 类似,负数索引会从数组末尾开始计算。这一改进使得数组操作更加灵活。
-
多行文本块改进:新增了
|||-语法,可以去除文本块末尾的换行符。这在处理多行字符串时特别有用,可以更精确地控制输出格式。
标准库功能增强
Jsonnet 的标准库在这个版本中得到了显著扩充,新增了许多实用函数:
-
数组和对象操作:
std.contains:检查元素是否存在于数组或字符串中std.objectRemoveKey:从对象中移除指定键std.remove和std.removeAt:从数组中移除元素std.flattenDeepArray:深度展平嵌套数组std.minArray和std.maxArray:找出数组中的最小/最大值std.avg:计算数组平均值
-
数学运算:
std.atan2和std.hypot:新增三角函数std.log2和std.log10:新增对数函数std.pi:新增π常量std.deg2rad和std.rad2deg:角度与弧度转换
-
字符串处理:
std.equalsIgnoreCase:不区分大小写的字符串比较std.trim:去除字符串两端空白
-
类型判断:
std.isEven和std.isOdd:判断数字奇偶性std.isInteger和std.isDecimal:判断数字类型
问题修复
这个版本修复了多个长期存在的问题:
-
Unicode 处理:修复了基本多语言平面之外的 Unicode 字符解码问题,确保 UTF-8 输入能正确解析。
-
数字输出:现在数字的输出格式不再受系统区域设置影响,保证一致性。
-
对象可见性:修复了对象推导式中字段可见性继承不正确的问题。
-
Windows 兼容性:在 Windows 系统上现在支持反斜杠作为路径分隔符。
-
YAML 处理:更新了 RapidYAML 到 0.5.0 版本,修复了多个 YAML 解析相关问题。
构建系统改进
在构建和依赖管理方面也有多项改进:
-
Bazel 构建:新增了 MODULE.bazel 文件,支持 bzlmod 兼容性。
-
Python 支持:改进了 Windows/MSVC 上的 Python 构建支持。
-
依赖更新:更新了多个依赖库版本,包括 RapidYAML 和 golang.org/x/crypto。
-
发布流程:PyPI 包现在直接从 GitHub Actions 发布,并包含发布者证明。
总结
Jsonnet v0.21.0-rc1 是一个重要的更新版本,它不仅修复了多个长期存在的问题,还增加了许多实用的标准库函数,改进了语言特性。特别是对 Windows 平台的更好支持和 Unicode 处理的改进,使得 Jsonnet 在不同环境下的表现更加一致可靠。
对于使用 Jsonnet 进行配置管理的开发者来说,这个版本值得关注和测试。发布候选版本的目的正是为了收集用户反馈,确保正式版的稳定性。建议用户在测试环境中试用这个版本,并报告遇到的任何问题,以帮助项目团队进一步完善。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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