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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0185
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08