Java的Detroit项目正在加速推进,该项目旨在实现Java与Python或JavaScript的联合使用,即将成为OpenJDK社区的官方项目。
Oracle计划在3月17日的JavaOne大会上重点介绍Detroit项目的最新进展。Oracle Java平台组高级副总裁Georges Saab在3月12日的简报会上表示:"Detroit项目的主要优势在于,它让您能够在需要同时使用两种技术的场景中,将行业领先的Java与JavaScript或Java与Python相结合。"
根据openjdk.org上的Detroit项目页面,该项目的目标是基于Chrome V8 JavaScript引擎为JavaScript提供javax.script API实现,并基于CPython为Python提供相应实现。
项目发展历程
Detroit项目最初在2018年被提出,当时的设想是将JavaScript作为Java的扩展语言。但由于失去赞助,项目一度停滞。最近,业界对该项目的兴趣重新燃起。
项目的主要目标是满足Java生态系统调用其他语言的需求,特别是用于业务逻辑脚本编写以及轻松访问其他语言中的人工智能库。虽然初期计划支持Java和Python,但随着时间推移,预计会增加对其他语言的支持。项目预计将利用Java FFM(外部函数和内存)API。
核心目标
Detroit项目的其他重要目标包括:
通过隔离Java和本地堆执行来改善应用程序安全性。
在等效Java库开发完成之前,简化对JS/Python库的访问。
通过利用V8和CPython运行时提供完整的JS/Python兼容性。同时,通过利用V8和CPython生态系统来降低维护成本。
充分利用现有的JS和Python语言性能优化投资。
项目前景
该项目的推进标志着Java生态系统的重要发展,为开发者提供了更大的灵活性和互操作性。通过与其他流行编程语言的深度集成,Java开发者将能够更轻松地利用不同语言生态系统的优势,特别是在人工智能和数据科学领域。
Q&A
Q1:Detroit项目是什么?它解决什么问题?
A:Detroit项目是Java的一个官方项目,旨在实现Java与Python或JavaScript的联合使用。它解决了Java生态系统需要调用其他语言的需求,特别是用于业务逻辑脚本编写和轻松访问其他语言中的AI库。
Q2:Detroit项目何时会正式发布?
A:根据文章,Detroit项目即将成为OpenJDK社区的官方项目,Oracle计划在3月17日的JavaOne大会上重点介绍该项目的最新进展,但具体的正式发布时间尚未明确公布。
Q3:Detroit项目支持哪些编程语言?
A:目前Detroit项目计划首先支持Java与Python以及Java与JavaScript的联合使用,基于Chrome V8 JavaScript引擎和CPython实现。未来计划随着时间推移增加对其他编程语言的支持。
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。