LaTeX3 l3draw模块中路径转角圆弧功能的改进
在LaTeX3的绘图模块l3draw中,路径转角圆弧功能\draw_path_corner_arc:nn最近得到了重要改进,使其参数处理方式与其他绘图函数保持一致,提升了模块内部的一致性和用户友好性。
背景与问题
在LaTeX3的绘图系统中,l3draw模块提供了丰富的绘图功能。其中,\draw_path_corner_arc:nn函数用于设置路径转角处的圆弧半径,它接受两个参数分别表示x方向和y方向的圆弧半径。
在改进前,该函数直接使用\dim_set:Nn来设置内部尺寸变量,这意味着它只能接受严格的长度值作为输入。然而,l3draw模块中其他类似功能(如\draw_baseline:n和\draw_linewidth:n)都使用了\fp_to_dim:n来转换输入参数,允许用户使用浮点表达式作为输入。
技术实现差异
改进前的实现方式:
\cs_new_protected:Npn \draw_path_corner_arc:nn #1#2
{
\dim_set:Nn \l_@@_corner_xarc_dim {#1}
\dim_set:Nn \l_@@_corner_yarc_dim {#2}
...
}
改进后的实现方式:
\cs_new_protected:Npn \draw_path_corner_arc:nn #1#2
{
\dim_set:Nn \l_@@_corner_xarc_dim { \fp_to_dim:n {#1} }
\dim_set:Nn \l_@@_corner_yarc_dim { \fp_to_dim:n {#2} }
...
}
改进的意义
-
一致性增强:使
\draw_path_corner_arc:nn的参数处理方式与模块中其他函数保持一致,减少用户的学习成本。 -
灵活性提升:现在用户可以使用浮点表达式作为参数,例如可以写
\draw_path_corner_arc:nn {2*3pt} {1.5\baselineskip}而不仅仅是固定的长度值。 -
文档准确性:虽然文档中一直将参数描述为
⟨length⟩,但实际上现在可以接受更广泛的表达式形式,这与模块中其他函数的实际行为更加一致。
技术细节
\fp_to_dim:n是LaTeX3中一个重要的类型转换函数,它能够:
- 解析浮点表达式
- 处理包含单位(pt, mm, cm等)的数值
- 执行基本的算术运算
- 最终转换为精确的长度值
这种转换在绘图系统中特别有用,因为用户经常需要基于现有尺寸进行计算,例如设置圆弧半径为线宽的两倍等。
对用户的影响
这一改进对现有代码完全向后兼容,所有原来有效的代码仍然有效。同时,它为用户提供了更大的灵活性:
% 现在可以这样使用
\draw_path_corner_arc:nn {2*\l_my_dim} {3pt + 0.5cm}
而不必预先计算这些表达式的结果。
结论
LaTeX3开发团队对l3draw模块的这一改进体现了他们对代码一致性和用户体验的重视。虽然这是一个内部实现的细节变化,但它使得整个绘图系统的行为更加统一和可预测,同时也为用户提供了更大的灵活性。这种改进是LaTeX3不断演进和完善的一个典型例子,展示了现代TeX系统对开发者友好性的关注。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00