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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。