Clink v1.7.17 版本发布:终端命令行增强工具的重大更新
Clink 是一个强大的 Windows 命令行增强工具,它为传统的 cmd.exe 提供了现代化的命令行编辑体验,包括强大的自动补全、语法高亮、命令历史搜索等功能。Clink 通过集成 Lua 脚本引擎,允许用户高度自定义命令行环境,使其工作效率得到显著提升。
新增 4 位增强默认主题
本次更新引入了一个名为"4-bit Enhanced Defaults.clinktheme"的新颜色主题。这个主题特别之处在于它仅使用 4 位终端颜色来近似实现"Enhanced Defaults"的色彩效果。对于使用有限颜色支持的终端环境的用户来说,这是一个非常实用的改进。
开发者还增强了主题保存功能,新增了clink config theme save -d标志。当使用这个标志保存主题时,系统会为当前值与默认值相同的颜色设置创建占位符。这样当主题文件被加载时,这些颜色会自动重置为加载时刻定义的默认值,使得主题文件更加灵活和易于维护。
性能优化与响应速度提升
v1.7.17 版本对系统性能进行了多项重要优化:
-
Lua 协程节流机制调整:默认情况下移除了对 Lua 协程的节流限制。新增了
lua.throttle_interval设置项,允许用户在 Lua 协程导致响应问题时手动启用节流功能。相比之前硬编码的 5 秒节流间隔,现在用户可以完全控制这一参数,默认值为 0 表示不进行节流。 -
键盘宏回放加速:实现了一个新的优化算法,使得键盘宏的回放速度显著提高。
-
按键序列读取加速:优化了按键序列的读取处理,使得用户在输入时能感受到更流畅的响应体验。
功能增强与改进
本次更新对多个核心功能进行了增强:
-
改进了
rl.getpromptinfo()函数的行为,现在允许在瞬态提示过滤期间使用该函数(但仍禁止在常规提示过滤期间使用)。 -
修复了当提示高度变化时残留输入文本的擦除问题,提升了用户体验的一致性。
-
修复了当参数匹配器使用
:chaincommand()时oncommand事件的触发问题。 -
修正了在键盘宏执行期间调用的
luafunc:宏接收到的line_state参数问题(之前当键盘宏修改了输入行时该参数会变为空)。 -
修复了在瞬态提示过滤期间使用
clink.promptcoroutine()的问题(之前错误地尝试执行异步提示过滤,这在瞬态提示过滤期间是不可能的)。
其他重要修复
开发团队还解决了多个影响用户体验的问题:
-
修复了参数匹配器中
onadvance回调干扰匹配生成的问题。 -
解决了
clink-popup-history可能泄露或丢失当前输入行撤销列表的问题。 -
修正了应用包含
[clear]部分的*.clinktheme文件时出现的错误。 -
修复了多行 oh-my-posh 配置在没有换行符时导致的显示问题。
总结
Clink v1.7.17 版本带来了显著的性能提升和多项功能改进,特别是对主题系统和 Lua 脚本处理机制的优化,使得这个强大的命令行增强工具更加稳定和高效。对于依赖命令行工作的开发者和系统管理员来说,这些改进将直接提升他们的工作效率和使用体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00