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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112