Intelephense 1.14.0 版本发布:PHP 智能开发体验再升级
Intelephense 是 Visual Studio Code 上最受欢迎的 PHP 语言服务器之一,为 PHP 开发者提供了强大的代码智能感知、错误检查和重构功能。最新发布的 1.14.0 版本带来了一系列令人兴奋的改进,特别是在代码补全、类型推断和数组处理方面有了显著提升。
增强的代码补全功能
1.14.0 版本显著扩展了代码补全的智能程度。现在开发者可以在更多上下文中获得更精准的补全建议:
-
数组形状键补全:在返回语句、函数/方法参数和解构赋值等场景中,编辑器能够智能地提供数组键名的补全建议,这对于处理复杂数组结构特别有帮助。
-
属性声明补全:当声明类属性时,编辑器现在会根据类型声明和基类自动生成属性名的补全建议,大大减少了手动输入的工作量。
-
命名空间智能补全:系统现在能够分析项目中的 composer.json 文件和目录结构,为命名空间提供更准确的补全建议,简化了命名空间管理。
类型系统改进
类型推断和处理是 Intelephense 的核心功能之一,1.14.0 版本在这方面做了多项优化:
-
PHPDoc 解析增强:对于省略了省略号(...)的数组类型参数注释,现在会被正确解释为函数体内参数的类型,而不是传递给函数的类型,这更符合开发者的预期。
-
内置类型处理:当将 PHP 内置类型名称(如 string、int)传递给期望 class-string 的函数时,系统现在会正确地将 T 解析为该内置类型,而不是假设存在同名的用户类。
-
类型窄化改进:修复了在条件表达式中使用空值合并赋值时的类型窄化问题,使类型推断更加准确。
数组和集合操作增强
新版本为数组操作添加了大量模板化定义,包括:
- 查找操作:array_find, array_find_key
- 断言操作:array_any, array_all
- 排序操作:uasort, uksort
- 遍历操作:array_walk, array_walk_recursive
这些改进使得在处理数组和集合时能够获得更准确的类型检查和代码补全。
诊断和错误检查优化
1.14.0 版本修复了多个诊断问题:
- 现在可以在属性声明上使用 @disregard 忽略诊断
- 修复了 trait 中的返回类型诊断问题
- 修正了生成器中的虚假返回类型错误
- 修复了当方法在 $this instanceof 条件块中被调用时的虚假未使用方法诊断
开发者体验提升
除了上述功能改进外,1.14.0 还包含多项开发者体验优化:
- 参数声明名称建议现在包含蛇形命名法和更短的名称变体
- 改进了范围格式化提供程序的行为,使其能够正确处理前导琐碎内容
- 命名参数补全建议不再区分大小写
- 在分析文件重命名时,现在会考虑 composer.json 的 autoload-dev 配置
Intelephense 1.14.0 的这些改进进一步巩固了它作为 PHP 开发者首选工具的地位,特别是在处理复杂类型系统和大型项目时,能够提供更准确、更智能的开发体验。对于依赖 PHP 进行开发的团队来说,升级到这个版本将显著提升开发效率和代码质量。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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