setup-php 2.34.0版本发布:新增Pie工具支持与多项改进
项目简介
setup-php是一个广受欢迎的GitHub Action,用于在各种运行环境中快速设置PHP开发环境。它支持多个PHP版本、扩展安装以及常用开发工具的配置,极大简化了CI/CD流程中PHP环境的搭建工作。
核心更新内容
1. 新增Pie工具支持
本次更新引入了对Pie工具的支持。Pie是一个PHP包安装工具,可以更高效地管理项目依赖。用户现在可以通过简单的配置即可在CI环境中使用Pie:
- name: Setup PHP
uses: shivammathur/setup-php@v2
with:
php-version: '8.4'
tools: pie
2. Composer插件管理增强
针对Composer的插件系统,2.34.0版本增加了更灵活的插件管理方式。通过COMPOSER_ALLOW_PLUGINS环境变量,开发者可以明确指定允许使用的Composer插件列表:
env:
COMPOSER_ALLOW_PLUGINS: composer/installers, composer/satis
这一改进增强了安全性,同时提供了更细粒度的插件控制能力。
3. 工具目录自定义支持
新版本允许用户通过SETUP_PHP_TOOLS_DIR环境变量自定义工具安装目录,为特殊环境下的部署提供了更大的灵活性:
env:
SETUP_PHP_TOOLS_DIR: /tmp/tools
4. 自托管运行器检测优化
对于Linux自托管运行器,现在能够更准确地自动检测运行环境,即使未明确指定runner环境变量。同时改进了文件获取时的锁定机制,提高了在多运行器环境下的稳定性。
问题修复与改进
-
macOS兼容性增强:修复了与Homebrew tap相关的问题,确保在macOS环境下能够正确安装依赖。
-
扩展源码编译改进:优化了从源码编译PHP扩展时的错误处理逻辑,现在能够在首次出现错误时立即失败,而不是继续执行可能无效的后续步骤。
-
Relay扩展支持:修复了在macOS上安装Relay扩展时hiredis依赖的问题,确保这一高性能Redis客户端能够正确安装。
-
APT源文件命名:修正了APT源列表文件的命名,使其与
apt-add-repository工具使用的命名规范保持一致。
开发者体验优化
本次更新还包含多项底层改进,包括:
- 改进了PHP版本清单的获取机制,增加了备用方案确保在主要源不可用时仍能正常工作
- 更新了Node.js依赖项,提升了Action本身的运行效率
- 移除了对shivammathur/extension tap中依赖文件的支持,简化了维护结构
总结
setup-php 2.34.0版本通过新增Pie工具支持、增强Composer插件管理和改进自托管运行器检测等特性,进一步提升了PHP开发环境的配置体验。同时,多项问题修复使得工具在各种环境下更加稳定可靠。这些改进使得setup-php继续保持着作为PHP项目CI/CD流程中环境配置首选工具的地位。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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