envd项目v1.1.0版本发布:全面支持uv工具链
envd是一个面向机器学习开发者的开发环境管理工具,它通过声明式的方式帮助开发者快速构建、共享和复现开发环境。envd的核心思想是将开发环境定义为代码,使得环境配置可以像普通代码一样进行版本控制、协作和复用。
近日,envd发布了v1.1.0版本,这个版本带来了一个重要的新特性:对uv工具链的支持。uv是一个高效的Python包管理工具,它能够显著提升Python依赖的安装速度。envd现在可以原生支持uv,让开发者能够在envd构建的环境中享受到更快的包管理体验。
uv支持详解
在envd v1.1.0中,开发者可以通过两种方式来使用uv:
-
使用预定义模板创建项目:envd现在提供了一个包含uv支持的模板,开发者可以通过
envd new -t uv命令快速创建一个已经配置好uv支持的项目。 -
手动配置:开发者也可以在现有的envd配置文件中添加uv支持。只需要在
build.envd文件中加入以下内容:
def build():
base(dev=True)
install.uv()
shell("fish")
这段代码做了三件事:
- 使用开发模式的基础镜像
- 安装uv工具
- 设置fish作为默认shell
技术实现细节
envd对uv的支持是通过在基础镜像中预装uv工具实现的。当开发者调用install.uv()时,envd会确保环境中安装了最新版本的uv,并配置好相应的环境变量。
uv的优势在于它使用了Rust编写,相比传统的pip工具,uv在包解析和下载方面有显著的性能提升。特别是在大型项目中,依赖关系复杂的情况下,uv能够节省大量等待时间。
版本更新内容
除了uv支持外,v1.1.0版本还包括以下改进:
-
依赖版本更新:envd定期检查并更新其依赖项,确保开发者使用的是最新、最稳定的依赖版本。
-
模板系统增强:新的模板系统使得创建预配置项目变得更加简单,开发者可以快速开始使用envd的各种特性。
使用建议
对于Python开发者,特别是那些需要频繁安装依赖或管理多个Python项目的开发者,强烈建议尝试envd v1.1.0中的uv支持。它可以显著提升开发效率,特别是在以下场景:
- 大型项目初始化时的依赖安装
- CI/CD流水线中的环境准备阶段
- 团队协作时确保一致的开发环境
envd通过将uv集成到其生态系统中,进一步巩固了其作为机器学习开发环境管理首选工具的地位。随着uv的加入,envd现在能够提供从环境构建到包管理的完整解决方案,为开发者带来更加流畅的开发体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00