解决Kickstart.nvim中Which-Key插件图标显示问题
在Neovim配置中,Which-Key是一个非常有用的插件,它可以帮助用户可视化地查看和选择可用的快捷键组合。然而,在使用Kickstart.nvim配置时,用户可能会遇到Which-Key插件强制显示Nerd Font图标的问题,即使已经明确设置了不使用这些图标。
问题现象
当用户将vim.g.have_nerd_font设置为false时,Which-Key插件仍然会尝试渲染Nerd Font图标。这会导致在没有安装Nerd Font的终端中显示为乱码或方框字符,影响用户体验。
问题原因
经过分析,这个问题源于Which-Key插件自身的配置逻辑。即使全局设置了不使用Nerd Font,插件内部仍然会尝试使用这些特殊图标。这需要我们在插件配置中显式地关闭图标功能。
解决方案
要解决这个问题,我们需要在Which-Key的配置中明确指定不使用Nerd Font图标,并自定义按键的显示方式。以下是完整的解决方案:
require('which-key').setup {
icons = {
mappings = false, -- 完全禁用Nerd Font图标
keys = {
Up = '<Up> ',
Down = '<Down> ',
Left = '<Left> ',
Right = '<Right> ',
C = '<C-…> ',
M = '<M-…> ',
D = '<D-…> ',
S = '<S-…> ',
CR = '<CR> ',
Esc = '<Esc> ',
ScrollWheelDown = '<ScrollWheelDown> ',
ScrollWheelUp = '<ScrollWheelUp> ',
NL = '<NL> ',
BS = '<BS> ',
Space = '<Space> ',
Tab = '<Tab> ',
F1 = '<F1>',
F2 = '<F2>',
F3 = '<F3>',
F4 = '<F4>',
F5 = '<F5>',
F6 = '<F6>',
F7 = '<F7>',
F8 = '<F8>',
F9 = '<F9>',
F10 = '<F10>',
F11 = '<F11>',
F12 = '<F12>',
},
},
}
配置说明
-
mappings = false:这一设置完全禁用Which-Key使用任何特殊图标,确保插件只显示纯文本。 -
keys表:这里定义了各种按键的显示方式。我们使用标准的按键表示法,如<Up>表示上箭头键,<Space>表示空格键等。每个键名后面添加了一个空格,以保持与原始Nerd Font图标相似的间距。 -
特殊组合键:对于控制键组合(如Ctrl、Alt等),我们使用标准的表示法,如
<C-…>表示Ctrl组合键,<M-…>表示Alt(Meta)组合键。
注意事项
-
这个配置适用于所有终端环境,无论是否安装了Nerd Font。
-
如果你后续决定使用Nerd Font,只需将
mappings设置为true,并恢复默认的keys配置即可。 -
你可以根据需要自定义keys表中的内容,调整按键的显示方式。
通过以上配置,Which-Key插件将始终显示清晰可读的文本按键提示,而不会尝试渲染可能无法显示的Nerd Font图标,从而在各种环境下提供一致的用户体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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