PHP_CodeSniffer 3.13.1版本发布:全面支持PHP 8.4非对称可见性特性
PHP_CodeSniffer是一个广受欢迎的PHP代码静态分析工具,它能够帮助开发者检测代码是否符合预定义的编码标准。该工具包含两个主要组件:phpcs用于检测代码规范问题,phpcbf用于自动修复部分代码风格问题。
新特性支持
本次3.13.1版本最重要的更新是全面支持了PHP 8.4引入的非对称可见性特性。这一特性允许类属性拥有不同的读取和写入可见性,为面向对象编程提供了更细粒度的访问控制。
在File类的getMemberProperties()方法中,新增了set_scope数组索引来支持这一特性。同时,在getMethodParameters()方法中也新增了set_visibility和set_visibility_token数组索引,以支持构造函数参数的非对称可见性。
相关代码检查规则更新
多个代码检查规则已更新以支持PHP 8.4的非对称可见性特性:
- Generic.PHP.LowerCaseKeyword:确保非对称可见性关键字使用正确的大小写
- PEAR.NamingConventions.ValidVariableName:验证带有非对称可见性的变量命名
- PSR2.Classes.PropertyDeclaration:检查属性声明中的非对称可见性使用
- 多个Squiz标准下的规则也进行了相应更新,包括注释对齐、变量注释、函数参数间距等
规则行为变更
PSR2.Classes.PropertyDeclaration规则现在会检查set-visibility修饰符关键字是否位于常规可见性关键字之后,并通过新的AvizKeywordOrder错误代码报告问题。
Squiz.Functions.FunctionDeclarationArgumentSpacing规则新增了对set-visibility修饰符关键字后空格的检查,使用新的SpacingAfterSetVisibility错误代码。
Squiz.Scope.MemberVarScope规则现在会在设置了"write"可见性但缺少"read"可见性时,通过AsymReadMissing错误代码单独报告问题。
文档改进
本次更新还对多个规则的文档进行了完善,特别是PEAR.Classes.ClassDeclaration和Squiz.WhiteSpace.FunctionOpeningBraceSpace规则的文档,使开发者能更清楚地理解这些规则的使用方法和目的。
其他改进
项目现在提供了永久链接来获取最新的XSD文件,方便开发者使用。同时,PHAR文件的GPG签名密钥已更新,新指纹为D91D86963AF3A29B6520462297B02DD8E5071466。
总结
PHP_CodeSniffer 3.13.1版本的发布,标志着这一工具对最新PHP特性的快速响应能力。通过全面支持PHP 8.4的非对称可见性特性,开发者现在可以在使用这一新特性的同时,继续保持代码的一致性和规范性。这些更新不仅增强了工具的实用性,也体现了PHP_CodeSniffer项目对PHP语言发展的持续关注和支持。
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
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