Stack 3.5.1 版本发布:Haskell 构建工具的重要更新
Stack 是一个专为 Haskell 项目设计的跨平台构建工具,它能够帮助开发者管理 Haskell 项目的依赖关系、构建过程和开发环境。Stack 通过提供可重复的构建环境和简化的依赖管理,大大降低了 Haskell 项目的入门门槛和维护成本。
主要行为变更
本次发布的 Stack 3.5.1 版本引入了几个重要的行为变更:
-
非拉丁字符路径警告:当 Stack 的 'programs' 路径中包含任何非 ISO/IEC 8859-1 (Latin-1) 字符时,Stack 会发出警告(消息编号 S-8432)。这是因为
hsc2hs工具在其默认模板template-hsc.h的路径中包含这些字符时无法正常工作。 -
Cabal 依赖处理改进:Stack 现在会定制使用
Cabal的设置过程。如果setup-depends字段没有将 Cabal 列为依赖项,Stack 不仅会发出警告,还会自动将 GHC 引导包添加为依赖项。这一改进解决了之前版本仅警告而不采取行动可能导致构建错误的问题。
功能增强
Hpack 版本升级
Stack 3.5.1 将内置的 Hpack 工具升级到了 0.38.0 版本。Hpack 是一个替代 Cabal 文件格式的现代 Haskell 包描述格式,这一升级带来了更好的包描述功能和兼容性。
MSYS2 安装控制
新版本引入了 install-msys 配置选项,允许用户控制是否在需要时下载和安装 Stack 提供的 MSYS2(前提是 skip-msys 设置为 false)。默认情况下,该选项的值与 install-ghc 设置相同(包括在命令行中设置的情况),因此 Stack 的默认行为保持不变。
同时新增了 stack config set install-msys 命令,方便用户在 YAML 配置文件中配置 install-msys 选项。
构建文件生成命令
新增的 stack config build-files 命令可以在不执行完整构建过程的情况下,根据需要从 Hpack 格式的包描述生成 Cabal 文件,和/或为 Stack 的项目级配置生成锁定文件。
其他改进
allow-newer-deps选项在文档中不再标记为实验性功能stack sdist和stack upload命令现在会报告用于检查包的 Cabal 库版本- 整体稳定性和性能优化
技术背景与影响
Stack 作为 Haskell 生态系统中重要的构建工具,其更新直接影响着开发者的日常工作效率。3.5.1 版本特别关注了构建环境的可靠性和配置灵活性:
-
字符编码问题:Haskell 工具链对路径中的字符编码一直比较敏感,特别是在跨平台开发时。新增的非拉丁字符警告帮助开发者提前发现潜在问题,避免后期调试困难。
-
依赖管理:自动处理 Cabal 依赖的改进减少了因配置疏忽导致的构建失败,使开发流程更加顺畅。
-
构建环境控制:MSYS2 安装控制的引入给了开发者更多灵活性,特别是在持续集成环境或受限环境中使用时。
这些改进使得 Stack 在各种开发场景下都能提供更可靠、更灵活的服务,进一步巩固了它作为 Haskell 项目标准构建工具的地位。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01