TinyMist 0.13.6-rc2版本发布:增强文档预览与代码分析能力
2025-06-30 02:30:05作者:魏献源Searcher
TinyMist是一个专注于Typst文档编写的语言服务器和工具链,它为开发者提供了强大的代码分析、智能补全和文档预览等功能。最新发布的0.13.6-rc2版本带来了多项改进,特别是在文档预览体验和代码分析准确性方面有了显著提升。
文档预览功能全面升级
本次更新最引人注目的是对文档预览功能的全面增强。TinyMist现在提供了两种不同的预览方式,以满足不同编辑器的需求:
-
默认预览模式:适用于支持LSP命令的编辑器(如Neovim和Helix),开发者可以直接调用
tinymist.startDefaultPreview命令启动浏览器的预览服务。这种方式提供了无缝的预览体验,特别适合那些已经深度集成LSP功能的现代编辑器。 -
后台预览模式:对于那些LSP支持有限的编辑器,TinyMist新增了后台预览功能。开发者可以启动一个后台运行的预览服务器,然后通过自定义快捷键在浏览器中打开预览。这种方式极大地扩展了TinyMist的适用范围,使得更多编辑器用户也能享受到实时预览的便利。
编译器与代码分析改进
在编译器方面,0.13.6-rc2版本修复了从配置中获取任务选项的问题,并优化了字体加载的性能,通过并行化和同步等待机制提高了编译效率。
代码分析能力也得到了显著增强:
- 改进了对链式点访问的识别能力,现在能够正确处理类似
#a.b.|这样的表达式,提供更准确的字段补全 - 文件类型识别现在不区分大小写,例如
IMAGE.PNG也能被正确识别为图像文件 - 修复了文档摘要功能中
ProjectInsId显示不正确的问题
智能补全功能优化
补全系统在本版本中获得了多项改进:
- 修复了光标在右括号位置时错误触发参数补全的问题
- 更准确地区分内容值和内容类型,解决了
math.op("+")被错误推断为元素函数的问题 - 调整了标签和引用补全的范围,使得从标签或引用的任意位置请求补全更加自然
- 统一并改进了函数和方法补全,特别是影响了
show outline.entry等场景的补全行为 - 跳过没有构造函数或作用域的类型补全(如
content) - 增加了对
std模块的补全支持 - 改进了show规则中的表达式补全,现在可以正确处理类似
show: std.scale(..)这样的表达式
其他改进
除了上述主要功能外,0.13.6-rc2版本还包含了一些细节优化:
- 提供了PDF格式的TinyMist文档,方便离线查阅
- 更新了错误报告和功能请求模板,改善了问题跟踪体验
- 增加了调试日志,帮助开发者更好地理解Zed编辑器的配置问题
这个版本标志着TinyMist在提升开发者体验方面又迈出了重要一步,特别是对于那些使用不同编辑器的Typst用户来说,现在有了更多灵活的选择来预览他们的文档。代码分析和补全功能的改进则进一步提升了编写Typst文档的效率和准确性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781