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
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。