Harper项目v0.26.0版本发布:语法检查工具的重大更新
Harper是一个开源的语法和拼写检查工具,它能够帮助开发者和内容创作者在编写代码或文档时自动检测并纠正语法错误、拼写错误以及不规范的表达方式。该项目由Automattic团队维护,支持多种编程语言和文档格式,并提供了命令行工具、VS Code插件等多种使用方式。
核心功能改进
本次发布的v0.26.0版本带来了多项重要改进,其中最值得关注的是对注释中特定标记的支持。现在开发者可以在注释中使用"spellchecker:ignore"标记来告诉Harper忽略特定内容的检查,这一功能大大提高了工具的灵活性,使得开发者可以更精确地控制检查范围。
在用户字典处理方面,Harper现在能够更好地处理包含空行和注释的字典文件。这一改进使得维护大型自定义字典变得更加容易,开发者可以在字典文件中添加说明性注释而不会影响工具的正常工作。
新的语法检查规则
v0.26.0版本引入了多个新的语法检查规则,进一步丰富了Harper的语法检测能力:
- 新增了对"as far back as"表达式的检查,会提示用户避免使用"as early back as"这种不规范的表达方式
- 增加了对"explanation mark/point"的检查,会建议使用更标准的"exclamation"表达
- 新增了对"in anyway"的检查,会建议改为正确的"in any way"形式
- 新增了对"along time"的检查,会建议改为"a long time"
- 扩展了"get rid off"的检查范围,现在也能捕获"get ride of"这种错误表达
这些新增的检查规则使得Harper能够捕捉更多常见的语法错误和表达不规范问题。
开发者体验优化
针对开发者体验,本次更新也做了多项改进:
- 在
just addnoun命令中自动添加换行符,简化了字典维护工作 - 改进了VS Code插件对未保存文件和不存在.git文件的处理
- 新增了对shebang行的自动忽略功能,避免对脚本文件开头的特殊行进行不必要的检查
- 改进了断言机制,现在允许重叠的建议范围,提高了工具的灵活性
性能与架构改进
在底层架构方面,Harper v0.26.0也进行了重要优化:
- 迁移到了pnpm工作区和biome构建系统,提高了构建效率和一致性
- 改进了
PatternLinter缓存中的span存储方式,提高了性能 - 优化了
AvoidContraction规则的歧义处理,减少了误报 - 新增了dialect原型支持,为未来支持不同语言变体奠定了基础
使用建议
对于现有用户,建议尽快升级到v0.26.0版本以获取这些改进。特别是对于维护大型代码库或文档项目的团队,新版本提供的注释忽略功能和改进的字典处理将显著提升使用体验。
对于新用户,可以从Harper的VS Code插件开始尝试,这是最直观的使用方式。插件支持多种平台,包括Windows、macOS和Linux,安装后即可在编辑代码时获得实时的语法和拼写建议。
Harper项目持续活跃开发中,v0.26.0版本的发布标志着该项目在语法检查领域又向前迈进了一步。通过不断完善的规则集和开发者体验优化,Harper正逐渐成为开发者工具箱中不可或缺的一部分。
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 StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07