marimo项目0.10.18版本发布:增强AI支持与请求上下文访问能力
marimo是一个开源的Python交互式笔记本环境,它结合了Jupyter Notebook的交互性和现代Web应用的体验。与传统的笔记本不同,marimo提供了响应式编程模型,能够自动追踪单元格之间的依赖关系,并在输入变化时智能地重新执行相关单元格。
核心功能更新
新增DeepSeek AI支持
本次版本最重要的更新之一是增加了对DeepSeek AI模型的支持。开发者现在可以在marimo环境中配置使用DeepSeek作为AI代码补全的后端服务。这一功能扩展了marimo的智能辅助能力,让开发者可以根据项目需求选择不同的AI服务提供商。
DeepSeek的集成方式与其他AI服务类似,通过简单的配置即可启用。这一特性特别适合那些需要特定领域知识或偏好使用国产AI服务的开发者群体。
请求上下文访问API
新版本引入了mo.ui.app_meta().request API,这是一个强大的新功能,允许开发者访问传入请求的完整上下文信息。通过这个API,开发者可以获取:
- HTTP请求头信息
- 查询参数
- 用户认证信息
这个功能为构建更复杂的Web应用提供了基础,使得marimo不仅是一个数据分析工具,还能作为轻量级Web应用的开发平台。例如,开发者可以根据不同的用户角色显示不同的内容,或者基于查询参数动态调整应用行为。
重要改进与修复
线程通信优化
对mo.Thread进行了多项改进,修复了线程与输出区域之间的通信问题。现在,在线程中执行的代码能够更可靠地将输出显示在笔记本中,包括print语句的输出。这一改进使得异步编程体验更加流畅。
数据可视化增强
针对Altair图表库的集成进行了优化,特别是修复了在使用vconcat或hconcat组合图表时的地图选择功能。这使得复杂图表的交互性更加完善。
表格展示改进
修复了表格组件中数值格式化的问题,现在能够正确处理各种数字格式的显示。同时改进了时间格式的显示,特别是分钟和秒的展示更加准确。
开发者体验提升
本地开发支持
改进了本地开发环境设置,现在支持可编辑安装(editable installs)与沙箱环境配合使用,方便开发者贡献代码时进行本地测试。
测试稳定性
对测试套件进行了多项优化,包括临时目录清理的可靠性提升,以及使测试更加严格以更好地捕获缓存状态失效的情况。这些改进提升了项目的整体代码质量保障。
安全相关更新
新增了对FIPS-enabled环境的支持,这对于在严格安全合规要求下使用marimo的用户非常重要。FIPS(Federal Information Processing Standards)是美国政府制定的一套计算机安全标准,许多金融机构和政府机构都要求系统运行在FIPS模式下。
总结
marimo 0.10.18版本在AI支持、Web应用开发能力和核心功能稳定性方面都有显著提升。特别是DeepSeek的加入和请求上下文API的引入,为开发者提供了更多可能性。这些更新使得marimo继续朝着成为Python生态中更强大、更灵活的交互式计算环境迈进。
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 StartedRust0201
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 Notebook0130
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。Python08
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