Harper语言服务器现已支持Windows Scoop安装
对于使用Windows系统的开发者而言,Scoop作为一款流行的命令行包管理器,能够极大地简化开发工具的安装和管理流程。近日,Harper语言服务器正式加入了Scoop的主仓库(Main Bucket),这意味着Windows用户现在可以通过简单的命令scoop install harper来快速安装和更新这款优秀的Markdown语言服务器。
Scoop集成背景
Scoop作为Windows平台上的轻量级包管理器,其主仓库对收录项目有着严格的标准要求。项目需要满足:GitHub星标超过500、分支数超过150、提供稳定版本、标准安装流程以及作为非GUI工具等条件。Harper语言服务器凭借其优秀的Markdown处理能力和活跃的开发者社区,顺利通过了这些审核标准。
技术实现细节
在Scoop的集成过程中,主要参考了rust-analyzer等成熟语言服务器的manifest文件结构。Scoop的manifest采用JSON格式,其中关键配置包括:
- 版本号自动更新机制
- 二进制文件下载URL模板
- 哈希校验值
- 环境变量设置
特别值得一提的是,Harper的manifest文件中使用了智能的版本匹配正则表达式,确保用户总能获取到最新的稳定版本。
编辑器集成方案
对于使用Helix编辑器的开发者,配置Harper语言服务器十分简便。只需在Helix的配置文件中添加以下内容即可实现Markdown语言的智能提示和语法检查:
[[language]]
name = "markdown"
language-servers = ["marksman", "harper-ls"]
这种配置方式允许Harper与marksman等其他Markdown语言服务器协同工作,为开发者提供更全面的语言支持。
未来发展展望
随着Scoop集成的完成,Harper语言服务器在Windows平台的易用性得到了显著提升。这一改进不仅降低了新用户的入门门槛,也为持续集成等自动化场景提供了更便捷的安装方式。对于开发者而言,现在可以更轻松地在不同开发环境中保持Harper版本的统一和最新。
此次集成展现了Harper项目对开发者体验的持续关注,相信这将进一步推动该语言服务器在Markdown编辑领域的应用普及。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00