Doom Emacs中TeX折叠模式自动展开功能优化
在LaTeX文档编辑过程中,TeX折叠模式(TeX-fold-mode)是一个非常实用的功能,它可以将复杂的LaTeX命令和宏折叠成简洁的占位符显示。然而,在Doom Emacs中,这个功能的默认行为可能不符合用户的预期操作习惯。
问题现象
当用户将光标移动到被折叠的LaTeX宏上时,默认情况下宏不会自动展开显示原始内容。根据AUCTeX的官方文档描述,TeX折叠模式应该支持以下交互方式:
- 通过左右移动光标到占位符上
- 通过鼠标左键点击占位符
但在Doom Emacs中,由于默认配置中缺少对基本光标移动命令的支持,导致这种直观的交互方式失效,用户只能通过专门的命令C-c C-o b来手动展开内容。
解决方案分析
针对这个问题,社区提出了两种解决方案:
-
扩展自动展开命令列表:通过设置
TeX-fold-auto-reveal-commands变量,将常用的光标移动命令(包括原生Emacs命令和evil模式命令)添加到自动触发展开的列表中。 -
启用完全自动展开:更简单的解决方案是直接设置
TeX-fold-auto-reveal为t,这会使得任何光标移动都会触发折叠内容的自动展开。
经过实践验证,第二种方案更为简洁有效,它不仅解决了原生Emacs光标移动的问题,还能完美兼容evil模式的各种移动命令(如evil-forward-word-begin等),提供了更流畅的编辑体验。
实现原理
在Doom Emacs的最新提交中,已经将TeX-fold-auto-reveal默认设置为t。这一改动基于以下技术考虑:
-
用户体验优先:大多数用户期望的是直观的"鼠标悬停即展开"行为,而不是需要记忆特定快捷键。
-
兼容性考虑:自动展开机制已经能很好地处理各种编辑场景,包括但不限于:
- 常规光标移动
- evil模式移动
- 鼠标交互
- 撤销操作
-
性能影响:在现代硬件条件下,自动展开的性能开销可以忽略不计,不会影响编辑流畅度。
最佳实践建议
对于LaTeX文档编辑,建议用户:
- 确保使用最新版Doom Emacs以获取这一优化
- 对于复杂文档,可以结合使用折叠和大纲视图来管理文档结构
- 了解
TeX-fold-macro-spec-list设置,自定义哪些内容应该被折叠 - 掌握
TeX-fold-mode的快捷键,如C-c C-o f快速折叠区域
这一改进体现了Doom Emacs团队对用户体验的持续优化,使得LaTeX文档编辑更加高效直观。
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