news 2026/7/12 11:28:04

JetBrains发布Kotlin 2.3.0版本更新

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
JetBrains发布Kotlin 2.3.0版本更新

Kotlin 2.3.0版本现已正式发布,这一语言更新提供了多项新功能,包括未使用返回值检查器和对Java 25的支持。此次发布包含多个实验阶段功能,如值检查器、Swift互操作性,以及显式支持字段的新语法。

JetBrains于12月16日发布了这次语言更新。安装说明可在blog.jetbrains.com找到。这一正式版本是在11月18日发布候选版本之后推出的。

在Kotlin 2.3.0中,新的未使用值检查器有助于防止忽略结果。当表达式返回除Unit或Nothing之外的值且未传递给函数、在条件中检查或以其他方式使用时,它会发出警告。该检查器有助于捕获因函数调用产生有意义结果却被静默丢弃而导致意外行为或难以追踪问题的错误。此功能目前处于实验阶段。

Kotlin 2.3.0中的另一项实验功能通过Swift导出改进了Kotlin与Swift的互操作性,增加了对原生枚举类和可变函数参数的支持。此前,Kotlin枚举被导出为普通的Swift类。现在通过直接映射,开发者可以使用常规的原生Swift枚举。

Kotlin 2.3.0的其他功能包括:

Kotlin编译器现在可以生成包含Java 25字节码的类。

显式支持字段为显式声明保存属性值的底层字段提供了新语法,与现有的隐式支持字段形成对比。

在具有显式返回类型的表达式体中支持return语句现已默认启用。

上下文敏感解析作为实验功能得到了改进。当前类型的密封和封闭超类型现在被视为搜索上下文范围的一部分。不再考虑其他超类型范围。当涉及类型操作符和等式时,如果使用上下文敏感解析导致解析模糊,编译器现在会报告警告。

向Kotlin/Native项目导入C和Objective-C功能的支持已进入测试阶段。

对于Kotlin/Wasm(WebAssembly),Kotlin 2.3.0默认为Kotlin/Wasm目标启用完全限定名,为wasmWasi目标启用新的异常处理提案。它还引入了Latin-1字符的紧凑存储。同时,新的WebAssembly异常处理提案对wasmWasi目标默认启用,确保与现代WebAssembly运行时更好的兼容性。

对于Kotlin/JS,挂起函数现在可以使用@JsExport注解直接导出到JavaScript,BigInt64Array类型现在可以用于表示Kotlin的LongArray类型。这两项都是实验功能。

不再支持Ant构建系统。

Q&A

Q1:Kotlin 2.3.0中的未使用返回值检查器是什么?

A:这是一个新的检查器,用于防止忽略函数调用的返回结果。当表达式返回除Unit或Nothing之外的值且未被使用时会发出警告,帮助开发者捕获因忽略有意义返回值而导致的潜在错误。

Q2:Kotlin 2.3.0对Swift互操作性有什么改进?

A:新版本通过Swift导出功能改进了与Swift的互操作性,增加了对原生枚举类和可变函数参数的支持。现在Kotlin枚举可以直接映射为Swift枚举,而不再导出为普通Swift类。

Q3:Kotlin 2.3.0支持哪些新的编程语言特性?

A:新版本支持Java 25字节码生成、显式支持字段的新语法、表达式体中return语句的默认支持,以及改进的上下文敏感解析功能。对于WebAssembly和JavaScript也有相应的功能增强。


版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/1 21:52:06

使用Miniconda环境部署BERT-Based信息抽取系统

使用Miniconda环境部署BERT-Based信息抽取系统 在当今AI工程实践中,一个常见的痛点是:模型在本地训练完美,一到服务器上却“水土不服”——依赖报错、版本冲突、GPU不可用……尤其当项目涉及像BERT这样复杂的深度学习模型时,环境问…

作者头像 李华
网站建设 2026/7/5 0:13:35

Linux进程与线程:核心差异详解

在Linux系统中,进程(Process)和线程(Thread)是操作系统进行任务调度的核心概念,二者的核心区别体现在资源分配、调度单位、通信方式及开销等方面。以下从技术本质、差异对比和具体示例三方面详细说明&#…

作者头像 李华
网站建设 2026/7/12 9:25:03

Miniconda环境下运行GPT-NeoX模型的资源配置建议

Miniconda环境下运行GPT-NeoX模型的资源配置建议 在大语言模型(LLM)日益普及的今天,越来越多的研究者和工程师开始尝试训练或微调像 GPT-NeoX 这样的开源模型。然而,当真正着手部署时,很多人会发现:明明代码…

作者头像 李华
网站建设 2026/7/7 23:41:33

利用Miniconda镜像统一团队Python开发环境的最佳策略

利用Miniconda镜像统一团队Python开发环境的最佳策略 在数据科学和人工智能项目中,你有没有遇到过这样的场景:同事兴奋地跑来告诉你,“我训练好的模型准确率提升了5%!” 结果你一拉代码、装依赖、运行——报错:“Modul…

作者头像 李华
网站建设 2026/7/11 19:29:28

使用Miniconda-Python3.10处理万亿级Token语料库的技术路线

使用Miniconda-Python3.10处理万亿级Token语料库的技术路线 在大语言模型(LLM)训练迈向“数据为王”的时代,我们面对的已不再是GB级别的文本集合,而是动辄数万亿Token的超大规模语料库。当数据量从“可遍历”走向“只能流式处理”…

作者头像 李华