sbt 1.11.0-RC2发布:支持Maven Central Portal发布功能
sbt(Simple Build Tool)是Scala生态中最主流的构建工具之一,它简化了Scala和Java项目的构建过程。作为Scala开发者日常开发中不可或缺的工具,sbt的最新版本1.11.0-RC2带来了对Maven Central Portal发布功能的原生支持,这是对即将到来的Sonatype OSSRH服务变更的重要适配。
Maven Central Portal发布功能
Maven Central(中央仓库)长期以来一直是JVM生态系统的基石,包括Scala在内的众多开源项目都依赖它进行依赖管理。此前开发者通过Sonatype提供的OSSRH(OSS Repository Hosting)服务以HTTP PUT方式发布构件,但根据Sonatype的最新公告,这一传统方式将在2025年6月停止服务,取而代之的是全新的Central Portal(中央门户)。
sbt 1.11.0-RC2内置了对Central Portal发布流程的支持。要使用这一功能,开发者首先需要在构建配置中设置发布目标为本地暂存目录:
ThisBuild / publishTo := localStaging.value
然后配置Central Portal的认证凭据,使用生成的用户令牌作为用户名和密码。准备就绪后,开发者可以执行publishSigned任务(需要sbt-pgp插件)将构件发布到本地的target/sona-staging目录。
最后,开发者有两个选择:
- 执行
sonaUpload命令仅上传构件到Central Portal,然后手动完成发布流程 - 执行
sonaRelease命令自动完成上传和发布全过程
这一功能的实现参考了Taro Saito开发的sbt-sonatype插件的工作流程,并借鉴了Lumidion团队开发的sonatype-central-client项目的经验。
其他重要改进
除了Central Portal支持外,1.11.0-RC2版本还包含以下改进:
-
输出优化:移除了"copying runtime jar"等冗余的标准输出信息,使构建日志更加简洁清晰。
-
增量测试修复:修复了
testQuick任务在处理伴生对象时的行为,提高了增量测试的准确性。伴生对象是Scala中与类同名的单例对象,常用于存放类的静态成员,这一修复确保了当伴生对象发生变化时,相关测试能够正确识别并执行。
技术背景与意义
sbt作为Scala生态的核心构建工具,其对Maven Central发布流程的适配具有重要的生态意义。随着Sonatype逐步淘汰传统的OSSRH服务,sbt的这一更新确保了Scala开发者能够平滑过渡到新的发布机制,避免了生态断裂的风险。
对于Scala开发者而言,这一更新意味着:
- 无需额外插件即可完成Central Portal发布
- 保持了与现有sbt发布流程的高度一致性
- 为未来Sonatype服务的完全迁移做好了准备
1.11.0-RC2作为发布候选版本,已经修复了前一个候选版本中发现的Central Portal状态检查和发布流程中的问题,显示出良好的稳定性。对于即将发布正式版的Scala项目,现在就可以开始测试和适配这一新特性。
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