Zettlr 3.4.2版本发布:Windows用户紧急更新与功能优化
Zettlr是一款现代化的Markdown编辑器,专为学术写作和知识管理而设计。它结合了简洁的界面与强大的功能,支持Zettelkasten笔记方法、文献管理、跨平台同步等特性,是研究人员、作家和笔记爱好者的理想工具。
Windows用户紧急更新说明
本次3.4.2版本更新包含了一个对Windows用户至关重要的变更。Zettlr团队即将更换代码签名证书,这一变更可能导致后续更新在Windows系统上无法直接安装。为确保用户能够顺利过渡,强烈建议所有Windows用户立即安装本次更新。
代码签名证书是软件开发者用来证明其发布软件真实性和完整性的数字凭证。当证书变更时,Windows系统可能会将新版本识别为不同的发布者,从而产生安全警告。通过提前安装此过渡版本,用户可以确保后续更新路径的连续性。
主要功能改进
链接处理优化
本次更新对Wikilink语法支持进行了重要改进。现在,带有标题的Wikilink格式(如[[filename|Some title]])在文件重命名时将得到正确处理。同时,团队移除了对旧式混合语法(如[Do not use this syntax]([[filename]]))的自动替换支持,这属于一项破坏性变更,旨在推动用户采用更规范的链接格式。
文件系统与缓存修复
修复了FSAL(文件系统抽象层)缓存清理过程中可能出现的问题,提升了系统稳定性。同时优化了文件操作逻辑,防止在某些情况下意外覆盖现有文件。这些改进特别针对之前版本中用户反馈的文件操作异常情况。
编辑器体验增强
针对不同键盘布局的用户体验进行了多项优化:
- 修复了macOS键盘上Å字符输入的问题
- 改进了无死键macOS键盘布局中反引号的输入体验
- 解决了文件重命名后导出功能失效的问题
- 优化了空标题链接的渲染逻辑,避免隐藏完整链接语法
底层技术升级
依赖项更新
项目核心依赖进行了全面升级:
- Pandoc更新至3.6.3版本
- chokidar升级到4.0.3
- Electron框架更新至34.2.0
这些更新带来了性能改进和安全修复,同时为即将到来的证书切换做好准备。
代码质量保障
团队引入了更严格的代码检查机制:
- 新增TypeScript类型检查流程
- 将原有lint任务重命名为lint:code
- 新增lint:types专门处理类型相关问题
这一改进旨在防止类似3.3.1到3.4.0补丁期间出现的TypeScript问题再次发生,提高了代码质量保障水平。
Markdown解析器增强
对Markdown抽象语法树(AST)中的ZettelkastenLink节点进行了重构:
- 将value字段重命名为target,明确其仅包含目标值而非标题
- 新增targetRange属性,便于直接操作链接目标范围
这些变更使得链接处理逻辑更加清晰和可维护。
总结
Zettlr 3.4.2版本虽然是一个维护性更新,但包含了多项重要改进,特别是对Windows用户的过渡支持。团队通过持续优化核心功能和底层架构,不断提升这款Markdown编辑器的稳定性和用户体验。建议所有用户,特别是Windows平台用户尽快升级到此版本,以确保后续能够无缝接收更多功能更新。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00