Vale v3.10.0 发布:新增对MDX格式的原生支持
Vale 是一款开源的文本校验工具,主要用于检查文档中的语法、风格和术语一致性。它支持多种文档格式,包括 Markdown、AsciiDoc、HTML 等,并允许用户通过自定义规则来满足特定的写作规范要求。
在最新发布的 v3.10.0 版本中,Vale 引入了一项重要功能更新 - 原生支持 MDX 格式。MDX 是一种结合了 Markdown 和 JSX 的混合格式,它允许开发者在 Markdown 文档中直接嵌入 React 组件。随着 MDX 在前端文档编写中的普及,Vale 的这一更新使得开发者能够更方便地对包含 React 组件的文档进行校验。
核心更新内容
-
原生 MDX 支持:现在用户可以直接对 MDX 文件进行校验,无需额外配置
CommentDelimiters或通过[formats]关联 Markdown 格式。这一改进大大简化了 MDX 文档的校验流程。 -
非表达式支持:新版本增强了对
{...}块中非表达式内容的处理能力,这使得 Vale 能够更准确地识别和校验 MDX 文档中的各种内容结构。 -
依赖更新:项目升级了多个依赖库,包括将 expr-lang/expr 从 1.16.9 更新到 1.17.0,以及将 golang.org/x/net 从 0.34.0 更新到 0.36.0,提升了工具的稳定性和性能。
技术实现细节
Vale 通过集成 mdx2vast 工具来实现对 MDX 格式的解析。在 CI 流程中,系统会自动安装这一依赖,确保 MDX 处理功能的可用性。同时,开发团队还优化了命令执行流程,提高了工具的整体运行效率。
兼容性考虑
为了确保平滑升级,新版本特别考虑了向后兼容性。测试用例中包含了使用旧配置方式的 MDX 文件处理场景,确保现有用户的配置不会因为版本升级而失效。
使用建议
对于技术文档团队来说,这一更新意味着:
- 可以直接对包含 React 组件的文档进行风格和术语检查,无需额外转换步骤。
- 简化了配置流程,特别是对于已经使用 MDX 格式的项目。
- 提高了对现代文档格式的支持,使 Vale 能够更好地适应前端文档开发的工作流。
总结
Vale v3.10.0 的发布,特别是对 MDX 格式的原生支持,进一步巩固了它作为现代技术文档质量保障工具的地位。这一更新不仅提升了工具的实用性,也反映了 Vale 项目对开发者需求变化的快速响应能力。对于使用 MDX 编写文档的团队来说,升级到新版本将显著改善他们的文档校验体验。
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-X1-7BSpark-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