Nox项目2025.02.09版本发布:全面增强PEP 723支持与工作流优化
Nox是一个流行的Python任务自动化工具,它允许开发者通过简单的Python脚本定义和管理复杂的自动化工作流。与传统的Makefile或Shell脚本相比,Nox提供了更强大、更灵活的Python原生方式来组织构建、测试和部署流程。2025年2月9日发布的2025.02.09版本带来了多项重要改进,特别是对PEP 723的支持增强和工作流程优化。
PEP 723支持全面升级
本次版本最显著的改进是对PEP 723的全面支持。PEP 723定义了Python脚本元数据的标准格式,允许在脚本文件中直接声明依赖项。Nox现在不仅支持在常规脚本中使用PEP 723元数据,还创新性地将其应用到了noxfile本身,实现了"插件"式的依赖管理。
开发者现在可以在noxfile中直接声明所需的依赖项,Nox会在运行前自动安装这些依赖,大大简化了环境配置过程。这一改进使得Nox的配置更加自包含,减少了对外部环境的依赖,提高了项目的可移植性。
期待已久的会话依赖功能
长期以来,Nox用户一直希望能够定义会话之间的依赖关系。2025.02.09版本终于引入了requires选项,允许一个会话显式声明它需要先运行哪些其他会话。
这一功能解决了复杂的多阶段构建和测试场景中的顺序控制问题。例如,在运行集成测试前自动执行单元测试,或者在构建文档前确保所有测试都已通过。通过简单的配置即可实现这些复杂的工作流,不再需要手动管理执行顺序或编写额外的协调代码。
Pyproject.toml支持增强
随着Python生态系统中pyproject.toml的普及,Nox也在不断加强对其的支持。本次更新新增了两个实用功能:
-
依赖组获取助手:简化了从pyproject.toml中读取和管理依赖组的过程,使得依赖管理更加模块化和可维护。
-
Python版本列表助手:提供了便捷的方法来获取和处理Python版本列表,特别适合需要支持多版本Python的项目。
此外,load_toml函数现在默认会查找"pyproject.toml"文件,进一步简化了配置过程。
虚拟环境与UV支持改进
在虚拟环境管理方面,本次更新修复了多个问题:
- 修正了MinGW环境下Python虚拟环境bin目录的路径问题
- 改进了PyPy版本标识符的处理,使其与GitHub Actions的行为一致
- 优化了虚拟环境的更新机制,避免不必要的后台更新进程
对于新兴的UV包管理器,本次更新也做了多项改进:
- 更好地处理UV未安装时的错误情况
- 确保
uv python install只在UV后端下使用 - 增加了对"uvx"别名的支持
- 改进了与pyenv的兼容性
开发者体验优化
除了功能增强外,本次更新还包含多项提升开发者体验的改进:
- 更好的错误提示:当配置无效的
reuse_venv或通过nox.options设置无效选项时,会给出更明确的错误信息 - 配置验证增强:使用attrs库验证
nox.config中的条目,提前发现配置问题 - 符号链接支持:现在可以正确识别和处理作为符号链接的noxfile
- 编码处理一致性:明确指定文件编码,确保在Python 3.15+中的行为一致
内部架构改进
在代码质量方面,本次更新进行了多项内部优化:
- 增加了更多Ruff静态检查规则并修复了相关问题
- 改进了类型注解,移除了不必要的类型忽略标记
- 重构了环境创建逻辑,提取为独立的辅助方法
- 使用现代测试工具替换过时的测试方法
- 全面静态类型化测试代码
总结
Nox 2025.02.09版本通过增强PEP 723支持、引入会话依赖功能、改进pyproject.toml集成以及优化虚拟环境管理,显著提升了自动化工作流的表达能力和可靠性。这些改进使得Nox在复杂项目的构建和测试场景中表现更加出色,同时保持了配置的简洁性和可维护性。对于Python开发者来说,这个版本无疑是一个值得升级的重要里程碑。
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