Eclipse Che 7.101.0版本发布:编辑器配置与证书管理全面升级
项目简介
Eclipse Che是一款开源的云原生集成开发环境(IDE)平台,它允许开发者在云端创建、运行和共享容器化的工作区。作为一款基于Kubernetes的开发环境即服务(Dev Environment as a Service)解决方案,Eclipse Che为团队提供了标准化的开发环境,消除了"在我机器上能运行"的问题。
版本亮点
Visual Studio Code编辑器配置全面增强
在Eclipse Che 7.101.0版本中,对Visual Studio Code - Open Source编辑器的配置支持得到了显著扩展。现在管理员不仅可以通过ConfigMap配置settings.json和extensions.json文件,还能够自定义product.json文件。
这一改进为团队提供了更全面的编辑器定制能力。product.json文件的配置特别重要,因为它允许管理员控制编辑器的核心行为,包括:
- 启用特定扩展的API功能(
extensionEnabledApiProposals) - 配置受信任的扩展认证访问(
trustedExtensionAuthAccess) - 其他编辑器核心功能的定制
这种集中式的配置管理方式确保了团队所有成员使用统一且安全的开发环境配置,同时减少了手动配置的工作量。
证书管理机制优化
7.101.0版本对证书管理进行了重要重构,改进了证书挂载到用户容器的方式:
- 移除了过时的
che-trusted-ca-certsConfigMap,该ConfigMap原先用于将证书挂载到/public-certs目录 - 现在会在用户命名空间中创建
ca-certs-mergedConfigMap - 根据CR中
spec.devEnvironments.trustedCerts.disableWorkspaceCaBundleMount的配置值,证书会被合并到不同目录:/public-certs目录- 或
/etc/pki/ca-trust/extracted/pem目录
这一改进使得证书管理更加灵活和安全,同时修复了之前disableWorkspaceCaBundleMount: true设置不生效的问题。
构建系统升级至Develocity
Eclipse Che 7.101.0引入了Develocity构建系统来优化che-server组件的构建过程。Develocity提供了多项提升开发效率的功能:
- 构建扫描(Build Scan):提供详细的构建分析,帮助开发者理解构建过程并协作解决问题
- 远程构建缓存(Remote Build Cache):加速构建过程
- 全面的报告和可视化:直观展示构建数据
开发团队现在可以通过Develocity仪表板访问所有che-server构建的扫描结果,包括构建趋势、失败分析和测试报告等,大大提升了构建透明度和问题排查效率。
底层库升级
Fabric8 Kubernetes Client库已升级至7.1.0版本,这一底层库的更新为Eclipse Che带来了更好的Kubernetes API兼容性和性能提升。新版本包含了多项稳定性改进和功能增强,进一步巩固了Eclipse Che在Kubernetes环境中的运行基础。
问题修复
本次版本还修复了多个影响用户体验的问题:
- OpenShift控制台图像显示问题:修复了用户仪表板上OpenShift控制台图像链接损坏的问题
- 证书挂载配置问题:解决了
disableWorkspaceCaBundleMount: true设置不生效的问题 - 构建空间不足问题:修复了构建
che-code镜像时出现的磁盘空间不足错误
总结
Eclipse Che 7.101.0版本通过增强编辑器配置能力、优化证书管理机制、升级构建系统等一系列改进,进一步提升了平台的稳定性、安全性和用户体验。这些变化使得团队能够更高效地管理和标准化开发环境,同时为开发者提供了更强大的定制能力。特别是对Visual Studio Code编辑器配置的全面支持,将帮助团队实现更一致的开发体验和更高效的工作流程。
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-1.5暂无简介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
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
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