Sleek项目中的日期过滤表达式语法解析与优化建议
在开源任务管理工具Sleek的使用过程中,日期过滤表达式是用户进行高级搜索的重要功能。近期社区发现并修复了文档中关于日期过滤表达式的一个关键语法问题,这对提升用户体验具有重要意义。
语法变更背景
Sleek项目早期版本中,日期过滤表达式使用due和t作为关键字,无需添加冒号后缀。例如用户可以简单地使用due < tomorrow这样的语法进行日期过滤。然而,这种设计在实际使用中遇到了问题——当用户需要匹配以字母"t"开头的自由文本时,系统会错误地将其识别为日期关键字。
为解决这一问题,开发团队在PR #435中对语法进行了修改,要求所有关键字后必须添加冒号。这一变更使得表达式语法更加明确,避免了与普通文本的冲突。例如新的正确语法变为due: < tomorrow。
文档同步问题
尽管核心功能已经更新,但项目Wiki中的"Filter Expressions for Advanced Search"指南未能及时同步这一变更。这导致许多用户按照文档示例操作时遇到表达式无效的问题。典型的例子包括:
- 旧文档示例:
+bills and due < tomorrow - 实际有效语法:
+bills and due: < tomorrow
这种文档与实际功能不同步的情况给用户带来了困惑,特别是对新用户而言,他们往往会首先参考官方文档进行学习。
语法一致性讨论
在修复文档的过程中,开发团队还注意到优先级(priority)过滤表达式的语法特殊性。与其他属性不同,优先级过滤仍然保持无冒号的原始语法形式,例如pri == A而非pri: == A。这种设计是有意为之的,因为:
- 优先级在todo.txt格式中本身就是特殊语法(如(A))
- 用户可以直接使用(A)这样的形式进行匹配
- 只有在需要不等式比较时才需要使用pri关键字
这种差异化的设计虽然打破了完全的一致性,但从语义角度考虑更为合理,因为优先级并非标签属性,而是任务的内置属性。
表达式功能现状
目前Sleek的过滤表达式支持以下主要功能:
- 日期过滤:
due: < tomorrow+1w - 标签过滤:
+project1 or +project2 - 优先级过滤:
pri > B - 文本匹配:
description ~ "重要会议" - 逻辑组合:
(due: < today) and (pri == A)
用户实践建议
对于Sleek用户,在使用高级过滤功能时建议注意以下几点:
- 所有日期相关过滤必须使用冒号后缀(
due:) - 优先级过滤不使用冒号(
pri) - 复杂表达式建议使用括号明确优先级
- 日期运算支持相对日期(如
tomorrow+1d)
通过这次文档修正,Sleek项目的过滤表达式功能变得更加清晰易用。这也提醒我们,在软件开发过程中,功能变更与文档更新需要保持同步,才能为用户提供最佳的使用体验。
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-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
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