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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00