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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
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