BuildKit v0.19.0-rc3 发布:容器构建工具的重要更新
BuildKit 是一个现代化的容器镜像构建工具,作为 Docker 构建引擎的后端实现,它提供了更高效、更灵活的构建体验。相比传统的构建方式,BuildKit 支持并行构建、增量构建和缓存优化等高级特性,能够显著提升容器镜像构建的速度和效率。
近日,BuildKit 发布了 v0.19.0-rc3 版本,这是即将到来的 v0.19.0 正式版的第三个候选版本。作为技术预览版,它包含了一些重要的改进和错误修复,为开发者提供了更稳定、更可靠的构建体验。
主要更新内容
Git 源拉取支持网络配置环境变量
在这个版本中,BuildKit 改进了 Git 源拉取的功能,使其能够继承 buildkitd 的网络配置环境变量。这一改进对于企业环境特别重要,因为在许多公司网络中,访问外部 Git 仓库需要通过特定的网络配置。现在,当构建过程中需要从 Git 仓库拉取代码时,BuildKit 会自动使用配置的网络设置,无需开发者额外配置,大大简化了构建流程。
Windows 平台文件传输修复
对于 Windows 用户,这个版本修复了一个可能导致"未知文件模式"错误的问题。在之前的版本中,当在 Windows 系统上传输某些特殊文件时,可能会遇到权限或模式识别问题。这个修复确保了跨平台构建的稳定性,特别是在混合使用 Linux 和 Windows 构建环境时。
历史记录序列化数据竞争修复
另一个重要的修复是针对历史记录序列化过程中可能出现的数据竞争问题。数据竞争是多线程编程中常见的问题,可能导致程序崩溃或不可预测的行为。这个修复提高了 BuildKit 在高并发构建场景下的稳定性,特别是在大型项目中频繁构建时。
依赖项更新
BuildKit v0.19.0-rc3 更新了两个重要的安全相关依赖库:
- libcap 从 v1.2.70 升级到 v1.2.73
- libcap/psx 从 v1.2.70 升级到 v1.2.73
这些库负责 Linux 系统的能力(Capability)管理,更新后的版本包含了安全修复和性能改进,进一步增强了 BuildKit 的安全性。
开发者体验改进
对于开发者而言,这个版本继续优化了构建体验。虽然是一个候选版本,但已经可以用于测试新功能和验证修复。开发团队鼓励用户在测试环境中尝试这个版本,并报告任何发现的问题,以便在正式版发布前进行最后的完善。
总结
BuildKit v0.19.0-rc3 作为即将发布的 v0.19.0 系列的一个重要里程碑,解决了一些关键问题并引入了实用的改进。特别是对于企业环境中使用特定网络配置访问 Git 仓库的场景,以及 Windows 平台用户的构建体验,都有了明显的提升。随着这些改进的加入,BuildKit 继续巩固其作为现代化容器构建工具的地位,为开发者提供更高效、更可靠的构建解决方案。
对于正在使用 BuildKit 或考虑采用它的团队,建议在测试环境中评估这个候选版本,为即将到来的正式版升级做好准备。随着容器技术的普及和构建需求的增长,BuildKit 的这些改进将帮助团队更高效地管理和构建容器镜像。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00