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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00