Electron Forge v7.7.0 发布:全面支持 pnpm 与多项优化
Electron Forge 是一个强大的 Electron 应用程序打包和发布工具链,它简化了 Electron 应用的构建、打包和分发流程。作为 Electron 生态中的核心工具之一,Forge 为开发者提供了开箱即用的项目脚手架、多平台打包支持以及灵活的插件系统。
核心特性:pnpm 包管理器支持
本次 v7.7.0 版本最重要的更新是正式添加了对 pnpm 包管理器的支持。pnpm 作为 npm 和 yarn 之外的另一种选择,以其高效的磁盘空间利用和快速的安装速度著称。现在,Electron Forge 项目可以无缝使用 pnpm 作为其包管理工具,为开发者提供了更多选择。
这项改进意味着:
- 新创建的 Electron Forge 项目可以直接使用 pnpm 进行依赖管理
- 现有项目可以平滑迁移到 pnpm 工作流
- 所有 Forge 命令(如打包、发布等)都能与 pnpm 完美配合
模板系统优化
本次更新对项目模板系统进行了多项改进:
-
Vite 模板优化:修复了 ESM 导入问题,确保 Vite 模板项目能够正确运行。同时解决了
--force标志在 Vite 和 Vite+TypeScript 模板中的工作问题,使开发者能够更灵活地覆盖现有项目文件。 -
基础模板升级:修正了 plugin-fuses 插件的版本安装问题,确保新项目能够使用正确的插件版本。
-
配置灵活性增强:现在
packagerConfig.quiet配置项变得可配置,开发者可以根据需要控制打包过程中的日志输出级别。
跨平台打包修复
针对不同平台的打包工具进行了多项修复:
-
Flatpak 打包器:修复了 ARM64 架构下的 flatpakArch 配置问题,使应用能够正确打包为 Flatpak 格式并在 ARM 设备上运行。
-
系统兼容性检查:改进了系统检查逻辑,现在只在执行实际命令时进行检查,减少了不必要的系统调用,提升了工具链的整体性能。
开发者体验提升
-
命令行界面优化:
- 升级了命令行库从 v4 到 v11,带来了更稳定的 CLI 体验
- 清理了重复的默认信息输出,使控制台输出更加简洁
- 改进了错误处理,当系统检查失败时会明确提示错误
-
性能优化:
- 最小化包管理器解析调用次数
- 只在必要时检查 git 状态(如初始化项目时)
- 减少了不必要的系统检查
-
代码质量改进:
- 移除了未维护的 resolve-package 依赖
- 重新启用了预构建原生模块测试
- 引入了 ESLint 缓存机制加速代码检查
构建系统更新
项目本身的构建系统也进行了多项升级:
- 更新了多个依赖项版本,包括 @octokit/request-error、vitest 等
- 修复了安全审计发现的问题
- 改进了 GitHub Actions 工作流配置
项目维护改进
- 清理了问题模板,使问题报告更加规范
- 添加了自动标记陈旧问题的机制
- 移除了不必要的版本控制文件
Electron Forge v7.7.0 的这些改进使 Electron 应用开发体验更加流畅,特别是对于使用 pnpm 和 Vite 的开发者来说,这个版本带来了显著的体验提升。无论是新项目创建还是现有项目维护,都能从中受益。
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-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