cookiecutter-uv 0.0.10版本发布:Python项目模板的重大更新
cookiecutter-uv是一个基于Python的现代化项目模板生成工具,它结合了cookiecutter的灵活性和uv的高效性,为开发者提供了一套标准化的项目结构和最佳实践。该项目模板特别适合需要快速启动Python项目的开发者,内置了诸多现代化工具链的支持。
项目结构布局选项
0.0.10版本引入了对src布局的支持,这是Python项目组织方式的一个重要选择。传统布局直接将模块放在项目根目录下,而src布局则将源代码放在专门的src目录中。这种布局方式有以下优势:
- 避免导入冲突:防止开发时意外导入已安装的包而非本地开发版本
- 更清晰的项目结构:明确区分源代码和项目配置/文档等文件
- 更好的测试隔离:测试代码可以更明确地引用被测试模块
开发者现在可以在创建项目时选择使用传统布局还是src布局,模板会自动配置相应的项目结构和工具链支持。
构建与发布流程优化
本次更新将构建和发布流程迁移到了uv build和uv publish命令,并切换到了hatchling作为构建后端。这些变更带来了以下改进:
- 更快的构建速度:uv工具链相比传统工具(pip、setuptools等)有显著的性能提升
- 更现代的构建系统:hatchling作为PEP 517兼容的构建后端,提供了更灵活的配置方式
- 简化的发布流程:
uv publish命令集成了打包、验证和上传到PyPI的完整流程
开发环境与容器支持
0.0.10版本对开发环境进行了多项改进:
- 开发容器修复:确保在VS Code等支持Dev Containers的IDE中能够正确初始化环境
- Dockerfile优化:将
ADD指令替换为更安全的COPY指令,遵循Docker最佳实践 - 新增Podman支持:为使用Podman替代Docker的用户提供了兼容性支持
这些改进使得无论是本地开发还是基于容器的开发都能获得更好的体验。
工具链更新与精简
本次发布对项目依赖的工具链进行了多项更新和优化:
- 移除Prettier:简化前端工具链,专注于Python生态的工具
- 版本升级:将uv升级到0.6.20,ruff和deptry等工具也更新到最新版本
- 依赖检查修复:确保deptry工具在
src布局下能正确工作
测试与代码覆盖率
新增了对Codecov令牌访问的支持,使得私有仓库或需要认证的项目也能方便地集成代码覆盖率报告。这一改进使得项目的测试基础设施更加完善,有助于维护代码质量。
配置与自动化改进
0.0.10版本对项目配置和自动化流程进行了多项优化:
- JSON文件处理:修复了cookiecutter.json参数顺序问题,并跳过了JSON文件的自动重新排序
- 依赖管理:通过deptry等工具确保项目依赖的准确性和一致性
- 构建系统配置:优化了hatchling后端的配置,确保构建过程更加可靠
总结
cookiecutter-uv 0.0.10版本带来了多项重要改进,从项目结构选择到构建发布流程,再到开发环境支持,都进行了全面优化。这些变更使得基于该模板创建的Python项目能够更好地利用现代Python生态的工具和最佳实践,提高开发效率和项目质量。
对于Python开发者来说,使用这个版本的模板可以快速获得一个配置完善、工具链现代化的项目基础,从而将更多精力集中在业务逻辑开发而非项目配置上。特别是对需要频繁创建新项目的团队或个人开发者,这些改进将显著提升工作效率。
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