Tuist 4.39.0 版本发布:性能优化与功能增强
项目简介
Tuist 是一个用于管理 Xcode 项目的开发者工具,它通过声明式的方式简化了复杂项目的配置和维护工作。Tuist 允许开发者使用 Swift 编写项目配置,提供了强大的模块化和依赖管理能力,特别适合大型 iOS/macOS 项目开发。
版本亮点
1. 性能优化显著提升
4.39.0 版本在性能方面做了多项改进,特别是针对 tuist graph 命令进行了优化。这个命令用于生成项目依赖关系图,在大型项目中尤为重要。通过优化,开发者现在可以更快地获取项目结构信息,这对于理解复杂依赖关系非常有帮助。
2. 静态框架资源处理改进
本次更新改进了静态框架(static frameworks)中资源包的处理方式。现在,Tuist 会直接嵌入静态框架自带的资源包,而不是生成新的资源包。这一变化不仅简化了构建过程,还减少了潜在的错误来源,特别是在处理第三方静态框架时更为可靠。
3. 测试并行化配置支持
新增了 TestableTarget.parallelization 属性,允许开发者更精细地控制测试的并行执行策略。这对于大型测试套件特别有价值,开发者现在可以根据测试特性(如资源需求、执行时间等)来优化测试执行效率。
4. 包管理注册表支持
增强了对 Swift 包管理的支持,特别是添加了对包注册表(registry)的集成能力。这使得在 Tuist 项目中使用 Xcode 集成的包管理功能更加顺畅,特别是在企业环境中使用私有包注册表时。
5. 环境变量控制缓存策略
新增了 TUIST_CACHE_EXTERNAL_ONLY 环境变量,专门用于控制 tuist cache 命令的行为。开发者现在可以更灵活地指定只缓存外部依赖,这对于优化构建缓存策略特别有用。
问题修复
本次版本还包含多个重要的问题修复:
- 修复了并行运行多个
tuist dump命令时的竞态条件问题,提高了命令的可靠性 - 修正了本地 Swift 包生成项目时对 Swift 语言模式的处理问题
- 解决了单元测试目标中预构建框架的嵌入问题
- 改进了
inspect命令对外部目标隐式导入的检测准确性
开发者体验改进
除了功能上的增强,4.39.0 版本还包含多项提升开发者体验的改进:
- 更新了过时的文档说明,特别是关于使用 SPM 运行 Tuist 的部分
- 添加了对 fish shell 自动补全的文档支持
- 改进了错误和弃用警告信息,使其更加清晰明确
- 简化了项目初始化过程,现在可以识别更多配置文件
总结
Tuist 4.39.0 版本在性能、功能和稳定性方面都带来了显著提升。特别是对大型项目的支持更加完善,开发者现在可以更高效地管理复杂依赖关系、优化构建过程并控制测试执行策略。这些改进使得 Tuist 在现代化 iOS/macOS 项目开发工具链中的地位更加稳固。
对于现有用户,建议评估新版本中的性能改进和功能增强,特别是如果项目涉及大量静态框架或复杂测试套件。新用户可以借助改进的文档和更稳定的功能更快地上手 Tuist。
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07