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。
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112