Ember CLI v6.3.0 版本发布:现代化工具链与开发体验升级
Ember CLI 是 Ember.js 框架的官方命令行工具,它为开发者提供了项目脚手架生成、构建、测试等一系列功能,是 Ember 生态系统中的核心工具。本次发布的 v6.3.0 版本带来了多项重要改进,主要集中在开发体验优化、现代化工具链升级以及遗留代码清理等方面。
现代化工具链升级
本次版本更新中,Ember CLI 对多个核心依赖进行了升级,以保持与现代 JavaScript 生态系统的兼容性。其中最重要的变化包括:
-
Glimmer 组件升级:将
@glimmer/component升级到了 v2 版本,这意味着生成的 Ember 应用将默认使用最新版本的 Glimmer 组件系统,带来更好的性能和开发体验。 -
测试工具更新:
@ember/test-helpers升级到了 v5.1.0 版本,为测试代码提供了更多便利功能和稳定性改进。 -
内容标签库升级:
content-tag升级到了 v3 版本,这是一个内部使用的工具库,用于处理模板中的内容标签。
开发体验优化
v6.3.0 版本在开发者体验方面做了多项改进:
-
Prettier 配置简化:新生成的 Ember 项目将使用更简洁的 Prettier 配置,减少了不必要的配置项,使代码格式化更加直观和一致。
-
TypeScript 支持改进:修复了 TypeScript 配置中的路径引用问题,确保类型导入能够正确工作。同时优化了
.gts文件中的类型导入处理逻辑,避免不必要的类型导入被移除。 -
Ember Data 可选安装:新增了
--no-ember-data标志,允许用户在创建新应用时选择不安装 Ember Data,这对于不需要数据层的小型应用非常有用。
代码质量与维护性提升
Ember CLI 团队在本版本中投入了大量精力清理遗留代码和优化内部结构:
-
移除废弃功能:清理了多个已废弃的功能,包括 Travis CI 集成、
outputPaths配置、broccoli-builder回退逻辑等,使代码库更加精简。 -
测试覆盖增强:新增了多项测试,包括确保生成的项目没有 lint 错误、验证所有包文件的可解析性等,提高了工具的可靠性。
-
静态调用支持:在应用蓝图中增加了对
staticInvokables的支持,这是 Ember 最新版本中的一项功能,允许更灵活地定义可调用的静态方法。
向后兼容性处理
虽然移除了多个废弃功能,但团队也注意到了向后兼容性的重要性:
-
v1 插件兼容性:修复了 v1 插件中
ember-source类型的包含问题,并针对 v1 插件的contentFor类型添加了废弃警告,为未来的移除做准备。 -
ESLint 配置修复:特别针对 v1 插件修复了 ESLint 配置问题,确保旧项目仍能正常工作。
总结
Ember CLI v6.3.0 是一个以现代化和稳定性为主题的版本,它不仅升级了核心依赖,还通过多项改进提升了开发体验。特别是对 TypeScript 和 Prettier 支持的优化,以及对 Ember Data 的可选安装支持,都体现了团队对开发者实际需求的关注。同时,通过清理废弃代码和增强测试覆盖,为未来的功能开发奠定了更坚实的基础。
对于现有 Ember 项目,建议评估这些变更可能带来的影响,特别是如果项目使用了已被移除的废弃功能。新项目则可以直接享受这些改进带来的好处,获得更现代化、更高效的开发体验。
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