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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00