Aioga
AI资讯 / 产品更新
返回 AI资讯

Ruff v0.16.0 发布:默认规则从 59 条增至 413 条

Simon Willison 博客Aioga 编辑团队2026-07-25T22:44:05.000Z热度 50

Astral 于 7 月 23 日发布 Python 代码检查工具 Ruff v0.16.0,默认启用规则从 59 条增至 413 条,覆盖语法错误和运行时错误等严重问题。作者...

产品更新Simon Willison 博客

今日 AI 情报摘要

Astral 于 7 月 23 日发布 Python 代码检查工具 Ruff v0.16.0,默认启用规则从 59 条增至 413 条,覆盖语法错误和运行时错误等严重问题。

作者在 Datasette、sqlite-utils 和 LLM 三个项目上运行后共发现 1618 个错误,其中 1538 个可通过 `--fix --unsafe-fixes` 自动修复。

中文正文 · AI 翻译

Ruff v0.16.0:https://astral.sh/blog/ruff-v0.16.0。Astral 在几天前的 7 月 23 日发布了他们的 Ruff Python 代码检查工具的重要新版本。我今天才注意到,因为我的各种 CI 作业开始失败,这是由于新的默认 Ruff 检查和我未固定版本的 "ruff" 开发依赖引起的。

摘自 Brent Westbrook 的公告文章:

Ruff 现在默认启用了 413 条规则,而之前版本为 59 条。

自从 Ruff 的默认规则集在 v0.1.0:https://github.com/astral-sh/ruff/blob/main/changelogs/0.1.x.md#breaking-changes 中最后一次修改以来,Ruff 的规则数量已从 708 条增加到 968 条。其中许多规则可以捕获严重问题,包括语法错误:https://docs.astral.sh/ruff/rules/load-before-global-declaration 和立即运行时错误:https://docs.astral.sh/ruff/rules/yield-in-init/,但以前默认并未开启。使用新的规则集,Ruff 将在无需任何配置的情况下提醒你这些问题及其他许多问题。

以下是一行命令,用于在任何 Python 项目上尝试:

我在我的三个最大项目上运行了最新的 Ruff——Datasette:https://datasette.io/、sqlite-utils:https://sqlite-utils.datasette.io/ 和 LLM:https://llm.datasette.io/——它发现了数百个违反新默认规则的小问题。

这三个项目都拥有非常全面的测试套件,在 CI 中运行,支持 Python 3.10 到 Python 3.14,因此这样的升级相当安全。以下命令完成了大部分升级工作:

在 sqlite-utils 上,该命令报告:

作为一个示例,下面是三个剩余的问题。Ruff 对每个问题的解释都相当不错:

不足为奇的是,考虑到 Astral 现在的新家在 OpenAI:https://simonwillison.net/2026/Mar/19/openai-acquiring-astral/,这一输出为编程智能代理提供了解决问题所需的所有信息。

我让 Codex(GPT-5.6 Sol 高级版)升级了 LLM:https://github.com/simonw/llm/pull/1557 和 sqlite-utils:https://github.com/simonw/sqlite-utils/pull/814,而让 Claude Code(带 Opus 5)升级了 Datasette:https://github.com/simonw/datasette/pull/2857。

这是 Simon Willison 于 2026 年 7 月 25 日发布的链接文章:/2026/Jul/25/。

每月赞助我10美元,即可获得本月最重要的大型语言模型发展的精选电子邮件摘要。

情报判断

Aioga 编辑摘要

Aioga 编辑摘要:Astral 于 7 月 23 日发布 Python 代码检查工具 Ruff v0.16.0,默认启用规则从 59 条增至 413 条,覆盖语法错误和运行时错误等严重问题。 Aioga 将其归入「产品更新」方向,重点关注它对真实使用和行业竞争的影响。

背景分析

背景分析:产品与工具类动态的价值取决于它是否解决明确场景、能否进入工作流,以及交付、价格和数据安全是否可接受。

Aioga 观点

Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。

影响与后续

影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察产品是否开放使用、用户反馈、定价、集成能力和后续版本更新。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: 摘要聚合 · 原始域名: simonwillison.net

来源: Simon Willison 博客

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-07-25T22:44:05.000Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

Astral 于 7 月 23 日发布 Python 代码检查工具 Ruff v0.16.0,默认启用规则从 59 条增至 413 条,覆盖语法错误和运行时错误等严重问题。作者...

Simon Willison 博客2026-07-25T22:44:05.000Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。