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。
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