Just-the-Docs 项目中 Mermaid 图表渲染问题的解决方案
在 Just-the-Docs 项目中使用 Mermaid 图表时,开发者可能会遇到一个常见的渲染问题:当尝试使用 Mermaid 的六边形(hexagon)形状时,系统会抛出 Liquid 语法错误。这个问题源于 Mermaid 和 Jekyll 的模板语法冲突。
问题根源分析
Mermaid 图表语法使用双花括号 {{ }} 来定义六边形节点,例如:
flowchart TD;
id1{{This is the text in the box}}
然而,Jekyll 使用的 Liquid 模板引擎同样使用 {{ }} 作为变量插值的语法标记。当 Jekyll 处理 Markdown 文件时,它会先尝试解析这些花括号,导致 Mermaid 图表无法正确渲染,并显示"Syntax error in graph"的错误信息。
解决方案
解决这个冲突的方法是使用 Liquid 的 raw 标签包裹 Mermaid 代码块。raw 标签会告诉 Liquid 模板引擎跳过对其中内容的解析,从而保留原始的 Mermaid 语法。
正确的写法应该是:
```mermaid
{% raw %}
flowchart TD;
id1{{This is the text in the box}}
{% endraw %}
```
深入理解
-
处理顺序:Jekyll 会先处理 Liquid 模板语法,然后再将内容传递给 Mermaid 渲染。因此需要先保护 Mermaid 语法不被 Liquid 解析。
-
适用场景:这个解决方案不仅适用于六边形节点,也适用于任何包含类似语法冲突的 Mermaid 图表类型。
-
版本兼容性:此解决方案在 Mermaid 各个版本中都有效,包括 9.4.3 和 10.9.1 等版本。
最佳实践建议
-
对于复杂的 Mermaid 图表,建议始终使用
raw标签包裹,以避免潜在的语法冲突。 -
在团队协作项目中,可以考虑将这一要求写入文档规范,确保所有贡献者都遵循相同的写法。
-
如果项目中使用 Mermaid 图表较多,可以考虑创建自定义的 Jekyll 插件或修改配置来简化这一过程。
通过理解这一问题的本质并采用正确的解决方案,开发者可以充分利用 Mermaid 在 Just-the-Docs 项目中的强大图表功能,而不会受到语法冲突的困扰。
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