OmniSharp-vscode 2.72.34版本发布:Razor场景修复与功能优化
项目简介
OmniSharp-vscode是Visual Studio Code中为C#开发者提供智能编码支持的扩展工具。它基于Roslyn编译器平台构建,为开发者提供代码补全、错误诊断、重构建议等核心功能,同时支持Razor页面和XAML文件的开发。该项目是.NET生态中重要的开发工具之一,持续为开发者提供流畅的编码体验。
版本更新亮点
2.72.34版本主要针对Razor场景中的回归问题进行了修复,同时包含了一系列功能优化和稳定性提升。这个版本是2.72.x系列的维护更新,重点解决了开发者在实际使用中遇到的关键问题。
核心变更内容
Razor相关修复
本次更新特别关注了Razor场景下的稳定性问题,主要修复包括:
-
诊断请求优化:现在仅对打开的C#文件发送构建诊断ID请求,减少了不必要的网络通信和资源消耗,提高了Razor页面的响应速度。
-
变更检测改进:忽略对C#文件的无实质内容更新,避免了无效的重新解析过程,使Razor页面编辑更加流畅。
-
补丁修复:插入了一个关键的Razor修复补丁,解决了特定场景下的功能异常问题。
编译器与工具链更新
-
Roslyn编译器升级:更新至4.14.0-3.25178.1版本,带来了多项改进:
- 新增null条件赋值操作符支持
- 改进了原始字符串补全功能
- 优化了项目默认命名空间设置
- 修复了主构造函数的命名空间移动问题
- 重构了分析器程序集加载机制
-
Razor工具增强:升级至9.0.0-preview.25161.2版本,包含:
- 代码操作排序和清理优化
- 空表达式预处理指令生成
- 新的格式化引擎文本区域处理
- 迁移至.NET 9平台
-
XAML工具回滚:将XAML工具回退至17.14.35913.250版本,确保稳定性。
功能优化与体验改进
-
SDK安装体验:当新SDK可用时,采用更优的安装流程。
-
资产生成命令:仅在扩展激活状态下启用"生成资产"命令,避免混淆。
-
实验性API:新增sendRequestWithProgress作为实验性API,为开发者提供更多控制选项。
-
问题报告:优化了Razor问题报告的措辞,使其更加清晰明确。
技术深度解析
本次更新在底层架构上有多项值得关注的技术改进:
-
诊断系统优化:通过精确控制诊断请求范围,显著降低了系统负载。这一改进特别有利于大型解决方案中的Razor页面开发,减少了不必要的后台处理。
-
分析器加载机制:新的分析器加载方式避免了重复抑制器的添加,提高了代码分析效率,同时降低了内存占用。
-
语义标记处理:清理并使语义标记处理和测试代码更加一致,为未来的语言服务功能扩展奠定了基础。
-
数组常量属性生成:修复了带有数组常量的属性生成问题,提高了代码生成的准确性。
开发者影响评估
对于不同类型的开发者,本次更新带来的价值有所不同:
-
Web开发者:Razor场景的稳定性修复直接提升了ASP.NET Core开发体验,特别是在大型项目中编辑cshtml文件时的响应速度明显改善。
-
桌面应用开发者:XAML工具的回滚确保了WPF/UWP开发的稳定性,避免了潜在的工具链问题。
-
扩展开发者:新增的实验性API为自定义开发体验提供了更多可能性,特别是需要精细控制请求进度的场景。
-
团队协作开发者:改进的代码分析和重构功能使团队协作更加高效,特别是在处理大型代码库时。
升级建议
基于本次更新的内容,我们建议:
-
所有用户:特别是使用Razor页面的开发者,建议尽快升级以获得更稳定的体验。
-
早期采用者:可以尝试新的实验性API,但需注意其可能的变化。
-
企业环境:在测试环境中验证后部署,特别是关注与现有工作流的兼容性。
-
教育用户:新加入.NET生态的开发者可以受益于更稳定的工具链,减少学习过程中的工具相关问题。
未来展望
从本次更新的技术方向可以看出,OmniSharp团队正在:
- 持续优化核心语言服务的性能和稳定性
- 加强对现代Web开发场景的支持
- 为开发者提供更细粒度的控制能力
- 为.NET 9平台的全面支持做准备
开发者可以期待未来版本在跨语言开发体验、性能优化和现代化工具链整合方面的进一步改进。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00