TinyMist 0.13.12-rc4 版本发布:全面提升 Typst 文档开发体验
TinyMist 是一个专为 Typst 文档排版系统设计的语言服务器和开发工具链。作为 Typst 生态中的重要组成部分,它为开发者提供了代码补全、语法高亮、实时预览等现代化开发功能。最新发布的 0.13.12-rc4 版本带来了多项重要改进,显著提升了 Typst 文档开发的整体体验。
核心功能增强
本次更新中,TinyMist 对核心功能进行了多项优化。格式化工具 typstyle 升级至 v0.13.3 版本,实现了对文档格式化的全面支持。新版本能够正确处理之前被跳过的元素,包括与方程或代码混合的标记行、带注释的方程、包含 # 符号的数学表达式以及数学参数等。这些改进使得代码格式化更加智能和全面。
在编译器性能方面,新版本修复了根目录变更检测的问题,避免了频繁的虚拟文件系统缓存失效。同时移除了对系统时间的依赖,使 TinyMist 能够构建为 wasm32-unknown-unknown 目标,为未来作为 Typst 插件使用奠定了基础。
编辑器体验优化
编辑器功能是本版本的重点改进领域。数学引号的 token 类型从字符串调整为其他类型,解决了在输入数学表达式时的自动补全问题。焦点切换逻辑得到优化,减少了在通过 API 切换文档时的虚拟文件系统缓存失效。
新增的 AST 视图功能为开发者提供了更直观的代码结构分析工具。状态栏格式现在支持显示页面计数信息,方便开发者快速了解文档规模。配置项 tinymist.formatterMode 的默认值从 never 改为 typstyle,体现了团队对代码格式化重要性的认可。
代码分析与诊断能力提升
代码分析功能在本版本中得到了显著增强。相对路径解析功能现在能够正确处理子文件夹中的文档链接。重命名功能在 Unix 平台上的问题得到修复,特别是针对类似 #import "../foo.typ" 的相对导入场景。
新增的多种代码检查规则进一步提升了代码质量保障能力:
- 针对容易出错的 show/set 规则的检查
- 对 break/continue/return 前隐式丢弃语句的检查
- 类型与字符串比较的检查(警告类似 type("") == "str" 的表达式)
- 对可变字体使用的检查(警告类似 text(font: "XXX VF") 的参数)
开发者现在可以通过 tinymist.lint.enabled 和 tinymist.lint.when 配置项灵活控制检查的启用时机。
预览与交互改进
预览功能在本版本中获得了多项用户体验优化。水平拖动预览面板的功能得到修复,点击空白区域清除选择的行为更加符合直觉。新增了将预览面板弹出到浏览器的功能,为多显示器工作环境提供了更好的支持。
悬停文档中的官方参考链接得到修正,参考文献标签的渲染和格式化显示效果得到改善。定义跳转功能现在能够正确解析参考文献条目的完整范围,提供更精确的导航体验。
其他重要改进
折叠范围功能新增了对 list 和 enum 项目的支持,使代码结构更加清晰可读。诊断消息中多余的行间距问题得到修复,输出更加整洁。文档高亮功能现在能正确处理 context {} 块对 break/continue 与父循环关联的影响。
在构建和分发方面,VS Code 扩展现在使用 cargo-dist 构建的二进制文件,确保了更好的兼容性。端到端测试现在覆盖主要平台,PDF 文档被构建并打包到 VS Code 扩展中,为所有平台用户提供一致的文档体验。
总结
TinyMist 0.13.12-rc4 版本通过多项功能增强和问题修复,显著提升了 Typst 文档开发的效率和质量。从核心的格式化、编译功能,到编辑器体验、代码分析,再到预览交互,这个版本在多个维度都带来了实质性改进。这些变化体现了 TinyMist 项目对开发者体验的持续关注,也为 Typst 生态的发展做出了重要贡献。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06