基于Rust语言的代码编辑器Zed的联合创始人Max Brunsfeld近日解释了为什么该编辑器Windows版本移植耗时如此之久,这一情况凸显了跨平台应用开发者在支持微软操作系统时面临的技术摩擦。
Zed首个测试版于2023年3月发布,但仅支持macOS。Linux版本随后在2024年6月推出。Windows移植工作从2024年初开始,最初主要由贡献者Junkui Zhang提供代码提交,但Brunsfeld表示,在过去六周里,Zed已有四名工程师专门负责Windows移植工作。目前Windows版本处于封闭内测阶段,用户也可以通过源代码自行构建。
Zed在所有平台上都处于预览状态,计划在2025年底前发布1.0正式版。根据路线图,Windows支持也是其中一部分,不过从Brunsfeld对当前状态的描述来看,某种形式的预览版发布可能性更大。
对于使用Qt等框架(主要面向C++)的开发者来说,开发支持Windows的跨平台应用并不困难。但Zed团队决定使用自己开发的GPU加速UI框架GPUI来优化性能表现。这意味着需要使用图形API来渲染用户界面。在macOS上使用Metal和MSL(Metal着色语言),在Linux上则使用封装了Vulkan(Khronos开发的跨平台图形API)的Blade API。
这是一种底层开发方法,与微软Visual Studio Code使用JavaScript运行时的方式不同,但这让Zed在响应速度和资源占用方面表现出众。
Zed团队最初在Windows上也使用Blade,但在Windows ARM64构建版本上遇到了问题。最新代码改用DirectX 11,这是Windows原生图形API。虽然运行效果更好,内存占用更低,但这意味着需要支持Zed GPU着色器的三种不同实现。
Windows平台的差异不仅体现在GPU代码上。Brunsfeld还列出了其他问题,包括:
文件系统操作差异,包括无法在.exe文件运行时覆盖该文件,这使更新变得复杂。
崩溃报告机制不同,需要重新构建崩溃报告基础设施。
按键绑定习惯不同。
文件系统路径约定不同,影响从Windows客户端编辑远程Linux机器上的文件。
需要为WSL(Windows Linux子系统)提供一流支持,而不是依赖SSH进行授权验证。
Windows构建说明显示了其他问题,如"路径过长"错误(可通过设置长路径支持来解决)。
正如Zed开发团队的经验所示,编写在Windows、Mac和Linux上同样表现出色的原生应用程序具有挑战性。这也解释了为什么Windows在商业和游戏领域具有粘性,因为反向移植同样困难。
Q&A
Q1:Zed编辑器是什么?目前支持哪些平台?
A:Zed是一款基于Rust语言开发的代码编辑器,使用自研的GPU加速UI框架GPUI来优化性能。目前已发布macOS和Linux版本,Windows版本正在封闭内测中。该编辑器以快速响应和低资源占用著称。
Q2:为什么Zed的Windows版本开发这么困难?
A:主要因为Zed使用了自研的底层GPU加速框架,需要针对不同平台使用不同的图形API。Windows平台在文件系统操作、崩溃报告、按键绑定、路径约定等方面都与其他平台存在差异,还需要支持WSL,这些都增加了开发复杂度。
Q3:Zed什么时候会正式发布1.0版本?
A:根据官方路线图,Zed计划在2025年底前发布1.0正式版,Windows支持也将包含在内。目前所有平台的Zed都处于预览状态,Windows版本可能会先以某种预览形式发布。
好文章,需要你的鼓励
英特尔第三季度财报超华尔街预期,净收入达41亿美元。公司通过裁员等成本削减措施及软银、英伟达和美国政府的大额投资实现复苏。第三季度资产负债表增加200亿美元,营收增长至137亿美元。尽管财务表现强劲,但代工业务的未来发展策略仍不明朗,该业务一直表现不佳且面临政府投资条件限制。
美国认知科学研究院团队首次成功将进化策略扩展到数十亿参数的大语言模型微调,在多项测试中全面超越传统强化学习方法。该技术仅需20%的训练样本就能达到同等效果,且表现更稳定,为AI训练开辟了全新路径。
微软发布新版Copilot人工智能助手,支持最多32人同时参与聊天会话的Groups功能,并新增连接器可访问OneDrive、Outlook、Gmail等多项服务。助手记忆功能得到增强,可保存用户信息供未来使用。界面新增名为Mico的AI角色,并提供"真实对话"模式生成更机智回应。医疗研究功能也得到改进,可基于哈佛健康等可靠来源提供答案。同时推出内置于Edge浏览器的Copilot Actions功能,可自动执行退订邮件、预订餐厅等任务。
纽约大学等机构联合开发的ThermalGen系统能够将普通彩色照片智能转换为对应的热成像图片,解决了热成像数据稀缺昂贵的难题。该系统采用创新的流匹配生成模型和风格解耦机制,能适应从卫星到地面的多种拍摄场景,在各类测试中表现优异。研究团队还贡献了三个大规模新数据集,并计划开源全部技术资源,为搜救、建筑检测、自动驾驶等领域提供强有力的技术支撑。