jaq-nvim 使用教程
2024-09-01 23:42:13作者:舒璇辛Bertina
1、项目介绍
jaq-nvim 是一个为 Neovim 设计的快速运行插件,灵感来源于 quickrun.vim。它允许用户通过一个简单的命令来运行任何语言的代码。该插件支持多种运行模式,包括浮动窗口、终端、快速修复窗口等。
2、项目快速启动
安装
使用 packer.nvim 进行安装:
use {"is0n/jaq-nvim"}
配置
以下是一个基本的 Lua 配置示例:
require('jaq-nvim').setup{
cmds = {
internal = {
lua = "luafile %",
vim = "source %"
},
external = {
markdown = "glow %",
python = "python3 %",
go = "go run %",
sh = "sh %"
}
}
}
使用
默认情况下,Jaq 使用浮动窗口类型来运行代码。可以通过以下命令来使用其他类型:
:Jaq bang
3、应用案例和最佳实践
案例一:快速运行 Lua 脚本
假设你有一个 Lua 脚本 test.lua,你可以通过以下命令快速运行它:
:Jaq
案例二:使用终端运行 Python 脚本
如果你想在终端中运行 Python 脚本 test.py,可以这样配置:
require('jaq-nvim').setup{
types = {
default = "terminal"
}
}
然后使用以下命令:
:Jaq
4、典型生态项目
Neovim 生态
jaq-nvim 是 Neovim 生态系统中的一个插件,与其他 Neovim 插件如 nvim-treesitter(用于语法高亮和代码分析)和 telescope.nvim(用于模糊查找)等一起使用,可以大大提高开发效率。
相关插件
- nvim-treesitter: 提供强大的语法高亮和代码分析功能。
- telescope.nvim: 提供强大的模糊查找功能,方便快速定位文件和代码片段。
通过结合这些插件,可以构建一个高效且功能丰富的 Neovim 开发环境。
登录后查看全文
热门项目推荐
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-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
639
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
1.03 K
469
Ascend Extension for PyTorch
Python
149
175
暂无简介
Dart
604
135
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
227
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310