Auto-Dev 2.0.9版本发布:智能编码助手再升级
Auto-Dev作为一款面向开发者的智能编码辅助工具,通过深度集成AI能力,为开发者提供代码补全、错误检测、智能重构等一系列功能,显著提升开发效率。最新发布的2.0.9版本在用户体验、国际化支持和功能完善等方面进行了多项改进。
核心功能优化
本次更新最值得关注的是对嵌入式聊天面板(inlay chat panel)的交互优化。开发团队为面板添加了ESC键处理机制,当用户按下ESC键时,面板会自动关闭,这一细节改进使得操作更加符合直觉。同时,系统现在会自动关闭之前的面板当新的面板显示时,避免了多个面板同时存在造成的界面混乱问题。这些改进解决了用户反馈的375号问题,使代码辅助功能更加流畅自然。
国际化支持增强
2.0.9版本在中文本地化方面做了细致优化,修正了服务器相关术语的翻译准确性。同时,MCP预览编辑器的用户界面元素和消息提示也全面支持国际化,包括预览和刷新操作的标题都进行了多语言适配。这些改进使得非英语用户能够获得更加友好的使用体验。
远程协作能力扩展
新版本在RemoteHookObserver中增加了GitHub issue处理功能,这意味着开发者现在可以直接在IDE环境中处理GitHub上的问题报告,进一步打通了本地开发与远程协作的工作流程。这一功能为团队协作开发提供了更多便利。
配置体验改进
编辑器配置按钮现在增加了动作监听器,点击后会直接打开配置对话框,简化了用户访问配置选项的路径。这一看似微小的改动实际上显著提升了配置的便捷性,特别是对于需要频繁调整设置的高级用户而言。
构建灵活性提升
开发团队还改进了构建系统的灵活性,现在允许在gradle.properties中配置与构建版本不同的本地运行IDEA版本,这一变化特别适合需要在不同IDEA版本间切换测试的开发者和贡献者。
从整体来看,Auto-Dev 2.0.9版本虽然没有引入重大新功能,但在用户体验的各个细节上都进行了精心打磨,体现了开发团队对产品质量的持续追求。这些改进虽然单独看起来可能不大,但累积起来将显著提升日常开发的使用舒适度和效率。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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