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。
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