Hugo-FixIt主题v0.3.19版本发布:新增ECharts支持与模板优化
Hugo-FixIt是一款基于Hugo静态网站生成器的现代化主题,专注于为技术博客和文档网站提供丰富的功能和优雅的设计。本次发布的v0.3.19版本带来了图表可视化支持、模板优化等多项改进,进一步提升了用户体验。
ECharts图表支持
本次更新最值得关注的是新增了对ECharts图表的支持。ECharts是一个由百度开源的可视化图表库,能够帮助开发者在网页中创建各种精美的交互式图表。
短代码支持
主题新增了echarts短代码,用户可以通过简单的Markdown语法在文章中嵌入图表。例如:
{{</* echarts */>}}
{
"title": {
"text": "示例图表"
},
"tooltip": {},
"legend": {
"data": ["销量"]
},
"xAxis": {
"data": ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
},
"yAxis": {},
"series": [
{
"name": "销量",
"type": "bar",
"data": [5, 20, 36, 10, 10, 20]
}
]
}
{{</* /echarts */>}}
代码块支持
除了短代码方式,新版还支持在Markdown的JavaScript代码块中直接定义ECharts配置,语法更加简洁:
```js { title="示例图表" type="echarts" }
{
title: {
text: "示例图表"
},
tooltip: {},
legend: {
data: ["销量"]
},
xAxis: {
data: ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
},
yAxis: {},
series: [
{
name: "销量",
type: "bar",
data: [5, 20, 36, 10, 10, 20]
}
]
}
```
这种双重支持机制让用户可以根据个人喜好选择最适合的方式来嵌入图表,大大增强了技术文章的数据可视化能力。
RSS模板查找规则优化
在内容分发方面,本次更新修复了RSS模板的查找规则问题。RSS(Really Simple Syndication)是一种用于内容聚合的XML格式,许多阅读器和平台都依赖它来获取网站更新。
之前的版本在某些情况下可能无法正确加载自定义的RSS模板,导致生成的RSS源不符合预期。新版本优化了模板查找逻辑,确保:
- 优先使用用户自定义的RSS模板
- 当自定义模板不存在时,优雅地回退到主题默认模板
- 保证在各种配置环境下都能生成正确的RSS输出
这项改进对于依赖RSS订阅的读者和内容分发平台来说尤为重要,确保了内容更新的及时性和准确性。
废弃旧版图片模板
作为持续优化的一部分,v0.3.19版本正式废弃了image-legacy.html模板。这个旧版图片模板在早期版本中用于处理图片显示,但随着主题发展,其功能已被更强大、更灵活的新方案取代。
开发者应该检查自己的项目是否还在使用这个旧模板,并迁移到新的图片处理方式。新版图片处理提供了更好的响应式支持、懒加载和更丰富的显示选项。
升级建议
对于现有用户,升级到v0.3.19版本非常简单:
- 更新主题到最新版本
- 检查是否有自定义的RSS模板,确保其兼容性
- 如果使用了旧版图片模板,需要更新到新的图片处理方式
- 可以开始尝试使用新的ECharts功能来增强文章的数据可视化
这个版本在保持稳定性的同时,通过新增的图表功能和模板优化,为技术内容创作者提供了更强大的工具。特别是数据可视化能力的加入,使得在技术文章中展示复杂数据变得更加简单直观。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00