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。
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 StartedRust0191
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 Notebook0113
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。Java04
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