sbt-assembly 2.3.1版本发布:构建优化与问题修复
sbt-assembly是Scala构建工具sbt的一个核心插件,主要用于将Scala项目及其所有依赖打包成一个可执行的JAR文件(俗称"fat jar"或"uber jar")。这种打包方式特别适合部署独立的Scala应用程序,因为它包含了运行所需的所有依赖项,无需额外配置类路径。
版本兼容性
sbt-assembly 2.3.1版本提供了广泛的sbt版本兼容支持:
- 全面支持sbt 1.x系列
- 同时支持sbt 2.0.0-M3和2.0.0-M4两个里程碑版本
需要注意的是,在sbt 2.x版本上使用shading功能时,必须设置exportJars := false才能正常工作。shading是一种重命名依赖包的技术,用于解决依赖冲突问题。
主要修复与改进
1. 输出路径修复
修复了assemblyOutputPath的相关问题,确保生成的JAR文件能够正确输出到指定位置。这个修复对于构建流程的可靠性至关重要,特别是在复杂的多模块项目中。
2. 排除JAR功能修复
assemblyExcludedJars功能得到了修复,现在可以正确排除不需要打包到最终JAR中的依赖项。这个功能在需要精简打包结果或解决特定依赖冲突时非常有用。
3. Windows平台shading支持
通过升级到jarjar-abrams-core 1.14.1版本,修复了Windows平台上的shading功能问题。shading是处理依赖冲突的常用技术,特别是在大型项目中,不同库可能依赖同一库的不同版本。
技术实现细节
在幕后,项目还进行了一系列技术改进:
- 持续集成流程升级,采用了更现代的GitHub Actions配置
- 增加了对sbt 2.0.0-M3版本的交叉构建支持
- 修复了Scala 3.x编译器选项的相关问题
- 代码风格现代化,使用
using替代了传统的implicit语法
项目意义与使用场景
sbt-assembly在Scala生态系统中扮演着重要角色,特别适合以下场景:
- 需要部署独立可执行JAR的应用
- 需要解决复杂依赖冲突的项目
- 需要精简部署包大小的生产环境
- 需要跨平台一致构建结果的情况
2.3.1版本的发布进一步提升了工具的稳定性和跨平台支持,特别是对Windows用户的shading功能修复,解决了长期存在的平台兼容性问题。对于使用sbt 2.x预览版的开发者来说,这个版本也提供了更好的支持。
对于新用户,建议从基础配置开始,逐步了解assembly的各种高级功能如shading和依赖排除。对于升级用户,这个版本提供了平滑的升级路径,修复了几个关键问题而不会引入破坏性变更。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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