MarkdownEditing 3.2.0 版本发布:新增标题自动折叠与Pandoc围栏块支持
MarkdownEditing 是 Sublime Text 编辑器中最受欢迎的 Markdown 插件之一,它为 Markdown 文档编辑提供了语法高亮、代码片段、快捷键等丰富的功能支持。本次发布的 3.2.0 版本带来了两项重要改进和一项优化,进一步提升了 Markdown 文档的编辑体验。
标题自动折叠功能
新版本增加了在加载文档时自动折叠标题的功能。这一特性对于处理大型 Markdown 文档特别有用,它允许用户:
- 快速浏览文档结构
- 专注于当前编辑的章节
- 减少视觉干扰,提高编辑效率
自动折叠功能基于文档的标题层级(从 H1 到 H6)工作,用户可以通过简单的配置调整折叠行为。这一功能特别适合技术文档编写者、博客作者等需要处理多层级文档的用户群体。
Pandoc 围栏块支持
3.2.0 版本新增了对 Pandoc 风格围栏块(fenced divs)的支持。Pandoc 是一个广泛使用的文档转换工具,其围栏块语法为:
::: {.classname}
这里是内容
:::
这一语法扩展了标准 Markdown 的功能,允许用户:
- 为文档块添加自定义类名
- 实现更精细的样式控制
- 在转换为其他格式时保留特定的语义信息
插件现在能够正确识别并高亮显示这类语法结构,为使用 Pandoc 生态系统的用户提供了更好的编辑体验。
Shell脚本相关围栏代码块优化
本次更新还合并了与 Shell 脚本相关的围栏代码块上下文。这一优化意味着:
- 减少了语法定义中的冗余
- 提高了代码高亮的准确性
- 统一了不同 Shell 方言(如 bash、zsh 等)的处理方式
对于经常在 Markdown 文档中嵌入 Shell 命令示例的用户,这一改进将使代码块的显示更加一致和可靠。
技术实现要点
从技术角度来看,这些改进主要涉及:
- 语法定义文件的更新,以支持新的语法结构
- 折叠逻辑的集成,与 Sublime Text 的折叠系统交互
- 上下文合并优化,减少重复定义
这些改动保持了插件一贯的轻量级特点,同时扩展了功能集,体现了开发者对用户体验的持续关注。
总结
MarkdownEditing 3.2.0 版本通过引入标题自动折叠、Pandoc 围栏块支持以及对 Shell 脚本代码块的优化,进一步巩固了其作为 Sublime Text 最佳 Markdown 编辑插件的地位。这些改进特别适合技术文档作者、学术写作者以及需要处理复杂 Markdown 文档的专业用户。
对于现有用户,建议升级到最新版本以体验这些新功能;对于新用户,现在正是开始使用这个强大插件的绝佳时机。插件的轻量级设计和丰富功能使其成为 Sublime Text 用户处理 Markdown 文档的首选工具。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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