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。
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