Moon项目任务执行新特性:支持通配符匹配任务名称
2025-06-26 06:41:46作者:幸俭卉
在Moon项目构建系统中,开发者经常需要同时执行多个遵循特定命名模式的任务。传统方式需要逐个列出任务名称,这在面对大量相似任务时显得尤为繁琐。最新发布的Moon 1.31版本带来了突破性改进——支持使用通配符进行任务匹配,显著提升了多任务操作的效率。
传统任务执行方式的痛点
假设我们有一个Python多版本测试场景,项目中存在如下测试任务:
- test-3.11
- test-3.10
- test-3.9
按照原有方式,开发者需要完整写出所有任务名称:
moon run core:test-3.11 core:test-3.10 core:test-3.9
这种重复性操作不仅容易出错,在任务数量增加时更会变得难以维护。
通配符解决方案详解
Moon 1.31引入了类Unix的glob模式匹配,支持以下通配符:
*匹配任意数量字符?匹配单个字符[]匹配指定字符范围
现在可以简化为:
moon run 'core:test-*'
或者针对特定版本范围:
moon run 'core:test-3.1?' # 匹配3.10-3.19
moon run 'core:test-3.[7-9]' # 匹配3.7-3.9
技术实现考量
值得注意的是,该特性目前仅支持在moon run和moon ci命令中使用,尚未扩展到任务依赖(deps)定义。这是因为:
- 通配符解析需要完整的项目图(workspace graph)作为查询基础
- 任务依赖解析恰发生在构建项目图的过程中
- 这种时序依赖会导致循环解析问题
最佳实践建议
对于需要聚合多个变体任务的场景,推荐采用混合方案:
- 在全局配置中定义基础任务模板
- 在各项目中定义具体版本任务
- 使用通配符命令按需执行,避免维护聚合任务
例如全局配置可包含:
# .moon/tasks.yml
_test:
command: pytest
options:
internal: true
项目配置则继承并特化:
# core/moon.yml
tasks:
test-3.11:
extends: _test
args: ['--extra-package=python-3.11']
版本兼容性说明
该特性需要Moon 1.31及以上版本。由于通配符在任务名称中原本就是禁止使用的字符,因此不会产生二义性问题。开发者可以安全地在现有项目中使用此功能,无需担心与已有任务命名冲突。
这一改进特别适合以下场景:
- 多版本并行测试
- 多环境构建
- 按功能模块批量执行
- 临时性的任务组合执行
通过引入通配符支持,Moon进一步强化了其作为现代化构建工具的核心优势——在保持配置简洁性的同时,提供强大的批量操作能力。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210