nvim-ufo v1.5.0 版本发布:折叠功能全面升级
nvim-ufo 是 Neovim 生态中一个专注于提供现代化折叠体验的插件,它通过整合多种折叠源(如 treesitter、LSP、indent 等)为用户带来更智能、更高效的代码折叠功能。本次发布的 v1.5.0 版本带来了多项功能增强和性能优化,进一步提升了插件的稳定性和用户体验。
核心功能改进
新增标记折叠提供器
本次版本引入了全新的标记折叠提供器(marker provider),允许用户通过特定的文本标记来定义折叠区域。这一特性为那些需要精确控制折叠位置的用户提供了更多灵活性,特别是对于某些特殊文件格式或文档处理场景尤为有用。
支持 treesitter 节点类型作为折叠种类
在 treesitter 集成方面,现在可以直接使用 treesitter 的节点类型作为折叠种类(kinds)。这一改进使得折叠分类更加精确,能够更好地反映代码的语义结构,为开发者提供更直观的代码导航体验。
性能优化
异步高亮捕获
预览窗口的高亮处理现在采用了异步机制,显著减少了界面卡顿现象。这一优化特别适用于大型文件或复杂语法高亮场景,使得用户操作更加流畅。
增量式折叠获取
对于 indent 和 marker 两种折叠提供器,现在实现了增量式折叠信息获取机制。这意味着插件在处理大型文件时能够更高效地工作,只计算和更新必要的折叠信息,而不是每次都重新处理整个文件。
稳定性增强
多窗口环境改进
针对多窗口环境下的折叠显示问题,本次更新做了多项修复:
- 正确处理了窗口命名空间的显示问题
- 优化了光标行高亮在多窗口中的表现
- 改进了折叠视图在不同窗口间的同步机制
treesitter 兼容性提升
针对不同版本的 Neovim(特别是 0.10 和 0.11 版本)的 treesitter API 变化,插件做了相应适配,确保在各种环境下都能稳定工作。同时修复了节点类型处理中的潜在问题,提高了 treesitter 折叠的可靠性。
用户体验优化
折叠行为调整
新版本对某些折叠行为进行了合理化调整:
- 当光标位于可折叠范围内时,不再自动折叠该范围(针对 close_fold_kinds_for_ft 配置)
- 改进了折叠视图的保存和恢复机制,确保会话间的一致性
- 为 diff 和 marker 模式添加了更明确的折叠方法提示
预览窗口改进
预览窗口现在能够更好地保持缓冲区选项,特别是对于 winbar 的显示做了专门优化。同时移除了可能干扰用户视图的列表选项设置,使预览内容更加整洁。
技术实现细节
在底层实现上,本次更新:
- 采用了新的 vim.lsp.get_clients API 来获取 LSP 客户端信息
- 改进了折叠装饰器的重绘逻辑,加入了防抖机制
- 优化了窗口模型的初始化流程,确保在各种情况下都能正确建立
- 修复了异步函数中可能出现的错误处理问题
这些改进使得 nvim-ufo 在各种使用场景下都能提供更加稳定和高效的折叠体验,无论是日常代码编辑还是大型项目导航,都能为用户带来显著的效率提升。
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-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