TypeDoc 0.26 版本新特性解析:文档扩展与国际化支持
TypeDoc 作为 TypeScript 项目的文档生成工具,在其最新的 0.26 版本中带来了两项重大功能更新:外部 Markdown 页面支持和国际化本地化能力。这些改进显著提升了文档编写的灵活性和可用性,让开发者能够创建更加丰富和完善的项目文档。
外部 Markdown 页面支持
长期以来,开发者一直期待 TypeDoc 能够支持除项目 README 之外的其他 Markdown 文档。0.26 版本终于实现了这一功能,解决了项目文档扩展性的关键需求。
项目级文档
通过新增的 --projectDocuments 选项,开发者可以添加项目级别的文档。这些文档将作为根反射对象的子项显示,非常适合添加项目使用指南、教程等顶层文档内容。
反射级文档
开发者现在可以在声明中使用 @document 标签来关联特定的 Markdown 文档。这些文档会作为对应声明的子项显示,适用于提供与特定 API 相关的详细说明文档。
文档元数据
Markdown 文档支持 YAML 格式的前言元数据,可以设置以下属性:
title:设置文档显示名称group和category:功能类似于常规反射上的@group和@category标签
文档结构可以通过在标题中使用斜杠(/)来创建层级关系,例如"Guides/Getting Started"会自动创建嵌套的文档结构。
国际化支持
TypeDoc 0.26 首次引入了完整的国际化架构,支持将界面文本和日志消息翻译成不同语言。这一改进为全球开发者提供了更好的本地化体验,使非英语用户能够更方便地使用工具和阅读生成的文档。
其他重要改进
-
性能优化:通过新增的
highlightLanguages选项限制加载的语法高亮语言,减少了约150ms的渲染时间。 -
文档组织:支持通过
--sortEntryPoints选项控制文档排序,确保重要文档能够按预期顺序显示。 -
代码质量:移除了已弃用的
--media、--includes和--stripYamlFrontmatter选项,简化了配置。 -
渲染优化:只有当"Type Declaration"部分能提供额外信息时才会渲染,避免了重复内容的显示。
-
错误处理:在运行结束后会显示警告/错误的汇总信息,方便开发者快速定位问题。
升级注意事项
-
移除了对 Node 16 的支持,请确保使用更新的 Node 版本。
-
将 Markdown 解析引擎从 marked 迁移到了 markdown-it,这可能会影响某些特殊 Markdown 语法的渲染结果。
-
更新了 Shiki 语法高亮引擎到 1.x 版本,虽然增加了支持的语言和主题,但也带来了轻微的性能影响。
TypeDoc 0.26 的这些改进显著提升了文档编写的灵活性和用户体验,使开发者能够创建更加结构化和国际化的项目文档。对于需要丰富文档内容的 TypeScript 项目来说,这个版本提供了强大的新工具和可能性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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