VSCode Python 扩展 v2025.6.0 版本深度解析
VSCode Python 扩展是微软为 Visual Studio Code 编辑器提供的官方 Python 开发支持工具,它为 Python 开发者提供了代码补全、调试、测试、环境管理等全方位功能。最新发布的 v2025.6.0 版本带来了一系列值得关注的改进和优化。
测试覆盖率功能增强
本次更新对测试覆盖率功能进行了多项改进。首先增加了对分支覆盖率(branch coverage)的支持,这使得开发者能够更全面地了解测试用例对代码逻辑分支的覆盖情况,而不仅仅是行覆盖率。分支覆盖率对于条件判断、循环等控制流结构的测试完整性评估尤为重要。
针对 Django 框架的测试覆盖率功能也进行了专门优化。新版本解决了 Django 测试运行时的覆盖率收集问题,并确保了对旧版 Django 的兼容性支持。此外,还修复了覆盖率结果路径处理的问题,强制使用绝对路径来确保覆盖率报告的正确生成。
语言服务器与代码分析改进
在代码分析方面,v2025.6.0 版本将 Jedi 语言服务器升级到了 v0.45.0,并启用了语义标记(semantic tokens)功能。语义标记为代码编辑器提供了更丰富的语法高亮信息,能够区分变量、函数、类等不同语义元素,提升代码可读性。
值得注意的是,新版本增加了一个智能检测机制:当检测到 Pyrefly 扩展已安装并激活时,会自动禁用 Python 扩展的语言服务功能。这种设计避免了多个语言服务扩展之间的潜在冲突,体现了良好的扩展生态协作理念。
终端与执行环境优化
在终端执行方面,修复了原生 REPL 会话间状态缓存的问题,确保每次会话都是干净的初始状态。同时改进了终端创建逻辑,确保总是使用最新可用的扩展版本。
对于 Python 环境管理,新版本优化了 conda 环境处理逻辑,当环境中缺少 python 可执行文件时,会交由 Python 环境扩展(Python Envs)来处理。此外还修复了不受信任工作区中的终端错误通知问题,提升了安全性。
性能与稳定性提升
在性能优化方面,新版本减少了不必要的环境变量日志记录,只记录必需的环境变量信息。同时重构了部分代码,增加了包装函数以方便测试。
移除了智能发送实验(Smart Send experiment)的残留代码,清理了测试日志通道相关实现,使代码库更加整洁。这些看似微小的改进实际上对长期维护和扩展稳定性都有积极影响。
开发者体验改进
对于扩展开发者而言,本次更新升级了项目依赖项,包括更新到了最新的 Python 环境工具(pet)。还增加了 Pylance 相关的遥测数据收集,这将帮助开发团队更好地理解用户使用模式,指导未来功能优化方向。
总结
VSCode Python 扩展 v2025.6.0 版本虽然没有引入重大新功能,但在测试覆盖率、语言服务、终端执行等核心功能上进行了多项优化和问题修复。这些改进虽然细节,但对于日常使用 Python 进行开发的程序员来说,能够显著提升开发体验和效率。特别是对 Django 开发者和需要精确测试覆盖率的团队,这个版本值得升级。
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-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