VSCode Front Matter 现已支持 AsciiDoc 文档格式
2025-07-03 04:16:57作者:管翌锬
VSCode Front Matter 作为一款专注于内容管理的扩展工具,在最新发布的 10.4.0 版本中实现了对 AsciiDoc 格式的原生支持。这一重要更新为技术文档编写者提供了更强大的内容创作能力。
核心功能解析
新版本主要实现了以下三大核心能力:
-
完整语法支持:扩展现在能够识别 AsciiDoc 特有的语法标记,包括但不限于:
- 标题标记(=、==、=== 等层级)
- 图像块宏(image:: 语法)
- 表格语法
- 注释块
- 内联格式化标记
-
可视化编辑工具:提供了与 Markdown 编辑体验一致的可视化工具栏,支持:
- 快速插入标题
- 添加链接和图像
- 文本格式化(粗体、斜体等)
- 列表和表格创建
-
配置集成:通过简单的配置文件即可启用全部功能:
{ "frontMatter.content.supportedFileTypes": ["md", "adoc"], "frontMatter.content.pageFolders": [{ "title": "文档", "path": "[[workspace]]/content", "contentTypes": ["AsciiDoc"] }] }
技术实现亮点
开发团队在实现过程中特别注重了以下技术细节:
- 语法转换引擎:底层采用 asciidoctor.js 作为解析引擎,确保语法解析的准确性
- 智能内容识别:系统能够自动区分 front matter 区域和正文内容
- 配置继承机制:所有针对 Markdown 的现有配置(如 front matter 高亮、隐藏等)都能无缝应用于 AsciiDoc 文件
实际应用场景
这一更新特别适合以下使用场景:
- 技术文档编写:AsciiDoc 强大的文档结构化能力与 Front Matter 的内容管理完美结合
- 多格式项目:在同一个项目中混合使用 Markdown 和 AsciiDoc 文件
- 复杂内容创作:需要高级排版功能的文档项目
升级建议
对于现有用户,建议通过以下步骤启用新功能:
- 更新到最新 10.4.0 版本
- 在配置文件中添加 adoc 支持
- 创建新的内容类型定义(可选)
- 开始使用 AsciiDoc 专属的编辑功能
这一更新标志着 VSCode Front Matter 向多格式内容管理平台又迈出了重要一步,为技术文档工作者提供了更强大的工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1