Eclipse Che 7.101.0 版本发布:编辑器配置优化与证书管理增强
项目简介
Eclipse Che 是一款基于 Kubernetes 的开源云原生集成开发环境(IDE),它允许开发者在容器化的环境中进行应用程序开发。通过将开发环境容器化,Eclipse Che 提供了可重复、可共享和可版本控制的开发环境,极大地简化了团队协作和开发环境的配置过程。
主要功能更新
Visual Studio Code 编辑器产品配置支持
在 Eclipse Che 7.101.0 版本中,开发团队扩展了对 Visual Studio Code - Open Source 编辑器的配置支持。现在管理员不仅可以通过 ConfigMap 配置 settings.json 和 extensions.json 文件,还可以配置 product.json 文件。
这一改进为团队提供了更全面的编辑器定制能力。product.json 文件是 VS Code 的核心配置文件,允许管理员控制编辑器的底层行为和功能。例如,可以配置特定扩展的功能访问权限,或者定义受信任的扩展认证访问列表。
这种集中式的配置管理特别适合企业环境,可以确保所有开发者使用统一配置的编辑器环境,减少配置差异带来的问题,同时提高安全性和一致性。
证书挂载机制优化
证书管理是云原生开发环境中的重要环节。在 7.101.0 版本中,Eclipse Che 改进了证书挂载到用户容器的机制:
- 移除了过时的
che-trusted-ca-certsConfigMap,该配置原先用于将证书挂载到/public-certs目录 - 现在会在用户命名空间中创建
ca-certs-mergedConfigMap - 证书会根据 CR 中
spec.devEnvironments.trustedCerts.disableWorkspaceCaBundleMount的值决定挂载到/public-certs还是/etc/pki/ca-trust/extracted/pem目录
这一改进使得证书管理更加灵活和安全,管理员可以根据实际需求选择证书的挂载位置,同时简化了配置流程。
构建系统升级至 Develocity
Eclipse Che 7.101.0 版本开始使用 Develocity 系统来构建 che-server 组件。Develocity 提供了多项提升开发效率的功能:
- 构建扫描:提供详细的构建分析,帮助开发者理解构建过程和识别问题
- 远程构建缓存:加速构建过程
- 全面的报告和可视化:直观展示构建数据
这一升级显著改善了项目的构建体验和可观测性,开发团队可以更高效地诊断和解决构建问题。
Fabric8 Kubernetes Client 升级至 7.1.0
作为与 Kubernetes 交互的核心组件,Fabric8 Kubernetes Client 已升级至最新 7.1.0 版本。这一升级带来了性能改进和新功能支持,增强了 Eclipse Che 与 Kubernetes 集群的交互能力。
问题修复
- OpenShift 控制台图像显示问题:修复了用户仪表板上 OpenShift 控制台图像链接损坏的问题
- 证书挂载配置问题:修复了
disableWorkspaceCaBundleMount: true设置不生效的问题 - 构建空间不足问题:解决了构建
che-code镜像时出现的空间不足错误
总结
Eclipse Che 7.101.0 版本在编辑器配置、证书管理和构建系统等方面进行了重要改进。这些更新不仅提升了系统的稳定性和安全性,还为管理员提供了更灵活的配置选项。特别是对 VS Code 编辑器配置的扩展支持,使得团队可以更好地标准化开发环境,提高协作效率。
对于企业用户而言,这些改进意味着更可控、更安全的云原生开发体验。开发者可以专注于代码编写,而不必担心环境配置和证书管理等问题,真正实现了开发环境的"基础设施即代码"理念。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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