微软 Visual Studio 编辑器 API 指南
项目介绍
微软 Visual Studio 编辑器 API 是一个开放源代码库,提供了深入集成Visual Studio编辑器的能力。它包含了所有公共API定义及编辑器的一些底层实现部分,如文本模型、文本逻辑和编辑器基本操作子系统。此项目旨在帮助扩展开发者更紧密地与编辑器互动,其支持的层次在Visual Studio(Windows)和Visual Studio for Mac中均有体现,尽管不包括UI层(如WPF和Cocoa)。对于Mac版,最新版本引入了基于原生macOS的文本编辑器,利用Apple的核心技术提升性能和一致性。
项目快速启动
要迅速开始使用VS Editor API,首先确保你的开发环境已配置好Visual Studio 2019或Visual Studio for Mac 8.0及以上版本。然后,遵循以下步骤:
安装必要的NuGet包
如果你专注于Windows上的开发,可以通过NuGet包管理器安装以下核心包:
Install-Package Microsoft.VisualStudio.CoreUtility
Install-Package Microsoft.VisualStudio.Text.Data
Install-Package Microsoft.VisualStudio.Text.Logic
Install-Package Microsoft.VisualStudio.Text.UI
构建和引用项目
-
克隆仓库
git clone https://github.com/microsoft/vs-editor-api.git -
打开解决方案并构建
使用Visual Studio或Visual Studio for Mac打开VSEditorCore.sln文件,然后直接从IDE中构建项目。编译后的assembly将位于仓库根目录下的bin/中。
如果你想创建本地的NuGet包用于测试或分发,可以在命令行执行:
msbuild /t:Pack
这将在_artifacts/nuget/目录下生成NuGet包。
应用案例和最佳实践
应用案例通常涉及创建编辑器插件,比如自定义语法高亮、代码补全服务或是编辑器界面的定制化。最佳实践中,开发者应:
- 利用API提供的接口进行文本操作而非直接修改文本视图。
- 确保扩展在不同版本的Visual Studio中保持兼容性。
- 遵循异步编程模式以提高编辑器响应速度,尤其是在处理大文件时。
- 在设计扩展时考虑可测试性和模块化。
示例代码片段展示如何简单地插入文本到编辑器中:
using Microsoft.VisualStudio.Text;
// 假设已有ITextBuffer对象textBuffer
var edit = textBuffer.CreateEdit();
edit.Insert(edit.Start, "Hello, VS Editor API!");
edit.Apply();
典型生态项目
虽然本仓库主要关注于编辑器核心API,但微软Visual Studio的生态系统广泛,许多扩展都利用这些API来增强功能,例如:
- EditorConfig插件:自动应用编码风格设置,跨项目保持一致性。
- Live Share:实现实时的代码共享和协作编程。
- Roslyn:用于编写C#和VB.NET的代码分析和重构工具。
这些生态项目的成功展示了通过正确使用VS Editor API,可以极大地丰富Visual Studio的功能,满足各种开发需求。
请注意,贡献至该项目核心代码目前可能不被接受,但对于仓库中的其他内容,如新样本等,依旧欢迎提交拉取请求。始终遵守微软的开源行为准则,共同维护健康、开放的开发环境。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00