Mill构建工具0.12.13版本发布:稳定性与文档改进
Mill构建工具简介
Mill是一个现代化的Scala构建工具,由Li Haoyi开发。它采用纯Scala编写,具有简单、快速和可组合的特点。Mill的设计理念强调模块化和可扩展性,允许开发者通过Scala代码来定义构建过程,而不是使用XML或其他配置语言。
0.12.13版本核心改进
1. 文档完善与用户体验优化
本次更新对文档进行了多处改进,特别是针对Sonatype发布流程的文档进行了补充。对于Scala开发者来说,将项目发布到Maven中央仓库是一个常见需求,新版文档提供了更清晰的指导,帮助开发者更顺利地完成发布流程。
2. 发布模块功能增强
在PublishModule中,publishSelfDependency方法被标记为废弃。这是一个重要的API变更,开发者需要注意调整自己的构建脚本。这个变更反映了Mill团队对构建依赖管理的持续优化。
3. 启动过程稳定性修复
0.12.13版本修复了一个关键的类加载问题,该问题在重新引导(rebootstrap)过程中可能导致失败。重新引导是Mill的一个重要特性,允许构建工具自身进行更新和重新加载,这个修复显著提升了构建过程的可靠性。
4. 安装脚本更新
安装脚本(mill和mill.bat)进行了调整,确保从0.12.12版本开始能够正确地从新的.exeURL下载Mill。这一改进简化了新用户的入门体验,特别是Windows平台上的用户。
技术细节分析
Sonatype发布支持
Mill 0.12.13重新引入了Sonatype贡献模块,为开发者提供了开箱即用的支持,可以将构建产物发布到Maven中央仓库。这是通过以下方式实现的:
- 提供了标准的发布配置模板
- 集成了必要的签名和上传功能
- 简化了认证配置流程
类加载器改进
修复的类加载问题涉及到Mill在运行时动态加载类的能力。当Mill需要更新自身或重新加载构建定义时,正确的类加载行为至关重要。这个修复确保了:
- 构建定义的重新加载更加可靠
- 减少了类冲突的可能性
- 提高了长时间运行构建的稳定性
升级建议
对于现有用户,升级到0.12.13版本是推荐的,特别是:
- 需要发布到Maven中央仓库的项目
- 使用复杂构建定义的项目
- 需要频繁重新加载构建的环境
升级过程通常只需更新Mill的启动脚本或版本号,大多数现有构建定义无需修改即可兼容。
总结
Mill 0.12.13版本虽然没有引入重大新功能,但在稳定性和用户体验方面做出了重要改进。特别是对发布流程和类加载机制的优化,使得这个轻量级构建工具更加可靠和易用。这些改进进一步巩固了Mill作为Scala生态系统中现代化构建工具的地位。
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