Pharo 13.0.0 版本发布:现代Smalltalk开发环境的重大升级
Pharo作为现代Smalltalk开发环境的代表项目,近日发布了13.0.0版本,这是继12.0.0之后的一次重大更新。Pharo以其简洁纯粹的面向对象设计、强大的开发工具和活跃的社区而闻名,为开发者提供了极致的编程体验。
核心改进与特性
本次13.0.0版本包含了超过400项变更,涉及编译器、调试器、UI框架、工具链等多个核心组件。其中最具代表性的改进包括:
1. 重构工具链现代化
Pharo 13对重构系统进行了全面升级,引入了全新的驱动架构。开发者现在可以体验到更稳定可靠的"提取方法"、"内联方法"、"重命名变量"等重构操作。特别是"复制类"重构功能得到了显著增强,解决了在复杂类层次结构中的复制问题。
2. 调试与反射能力提升
新版本改进了调试点(debug point)系统,修复了在元类方法上设置调试点的问题。反射API的link:toAST:方法现在能正确处理元类方法,为元编程提供了更强大的支持。同时还新增了"栈上替换"(OnStack replacement)特性,使得在不中断程序执行的情况下更新代码成为可能。
3. 主题与UI改进
引入了全新的DarkBlueTheme深色主题,优化了颜色对比度,为长时间编码的开发者提供更舒适的视觉体验。UI框架方面,改进了FormSet的缩放处理,不再需要频繁重新计算缩放比例,提升了图形渲染性能。
4. 编译器与运行时优化
对FFI(外部函数接口)调用进行了多项改进,包括添加了相同类型和大小数组类型的缓存,显著提升了FFI调用性能。新增了newTenured分配方法,为内存管理提供了更多控制选项。随机数生成器(Random)的初始化速度也得到了优化。
开发者工具增强
Pharo 13对开发者工具链进行了多项实用改进:
- 快捷键编辑器:全新的快捷键管理界面,让自定义开发环境更加方便
- 图标包管理器:集中管理项目使用的图标资源
- 改进的代码补全:增强了对闭包和块(block)的支持
- 进程浏览器:全新的实现,提供更清晰的进程状态视图
- 设置浏览器:支持直接从规则类跳转到相关设置
向后兼容性与迁移
考虑到大型项目的迁移成本,Pharo 13在引入新特性的同时,也注重保持向后兼容性:
- 提供了过渡性的兼容层,帮助现有代码逐步迁移到新API
- 新增了
SystemBuildInfo类,方便查询系统构建信息 - 改进了错误消息,特别是在类定义加载失败时提供更详细的诊断信息
- 文档系统中增加了关于对象检查器迁移的专门说明
性能优化
性能始终是Pharo关注的重点,13.0.0版本包含多项优化:
- 加速了方法安装过程,将编译与安装步骤分离
- 优化了包(Package)相关操作的性能
- 改进了集合类的部分方法实现
- 减少了不必要的AST(抽象语法树)重新计算
- 优化了随机数生成器的种子处理
开发者体验
Pharo 13在提升开发者体验方面做了大量工作:
- 代码编辑器现在能正确处理FFI调用的格式化
- 改进了自动配对字符的处理逻辑
- 增强了对数字字面量中下划线的支持(如
1_000_000) - 提供了更智能的文本导航功能,支持按不同字符组移动
- 改进了撤销/重做系统的可靠性
总结
Pharo 13.0.0版本标志着这个现代化Smalltalk环境又向前迈进了一大步。通过重构核心工具链、增强调试能力、优化性能和改进UI,它为开发者提供了更强大、更稳定的编程环境。无论是长期使用Pharo的开发者,还是对Smalltalk感兴趣的新用户,都能从这个版本中获得显著的体验提升。
随着Pharo社区的持续活跃和开发团队的不断努力,我们可以期待这个项目在未来带来更多创新和改进,继续推动面向对象编程的发展边界。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C086
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
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