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。
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-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