在ble.sh中禁用历史修饰符扩展的方法
2025-06-26 22:05:59作者:温玫谨Lighthearted
历史修饰符(如!!、!:0等)是Bash shell中非常实用的功能,它们允许用户快速引用之前执行的命令。然而,在某些情况下,用户可能希望保持这些修饰符在命令行中的原始形式,而不是被自动扩展为实际命令内容。本文将详细介绍如何在ble.sh中实现这一需求。
历史修饰符与ble.sh的交互
在标准的Bash环境中,历史修饰符会在命令执行时自动展开。例如,执行echo hello后输入!!,Bash会将其替换为echo hello并执行。ble.sh作为Bash的增强工具,提供了更精细的控制机制。
关键配置选项
ble.sh提供了两个相关选项来控制历史修饰符的行为:
- edit_magic_expand:控制是否启用魔法扩展功能(通过空格键触发)
- edit_magic_accept:控制命令接受时的行为,特别是其中的
verify-syntax选项会影响历史修饰符的显示
禁用历史修饰符自动扩展
要实现保持历史修饰符原始形式的效果,需要配置以下选项:
bleopt edit_magic_accept=
这个设置会移除verify-syntax选项,从而阻止ble.sh在执行前对历史修饰符进行预扩展验证。设置后,历史修饰符将保持原样显示在命令行中,而不会被替换为它们代表的实际命令。
与Bash原生选项的区别
需要注意的是,Bash本身提供了set +H选项来完全禁用历史扩展功能。但这种方法与ble.sh的配置有以下区别:
set +H会完全禁用历史扩展功能,所有历史修饰符都将失效- ble.sh的配置只是控制显示行为,历史扩展功能仍然有效
实际应用场景
保持历史修饰符的原始形式在以下场景中特别有用:
- 教学演示时,希望展示命令的历史引用方式而非具体内容
- 编写脚本时,需要保留历史修饰符作为示例
- 调试时,需要明确看到使用了哪些历史引用
总结
通过合理配置ble.sh的edit_magic_accept选项,用户可以灵活控制历史修饰符的显示行为。这种方法既保留了历史扩展的功能性,又提供了更好的可视化控制,是Bash高级用户提升工作效率的有效工具。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
299
2.65 K
Ascend Extension for PyTorch
Python
130
152
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++
608
196
React Native鸿蒙化仓库
JavaScript
229
307
暂无简介
Dart
592
129
🎉 (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
1.05 K
612
仓颉编译器源码及 cjdb 调试工具。
C++
122
511
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
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
181
67
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
457