Vitepress侧边栏深度自定义配置指南
2025-05-16 20:42:05作者:柯茵沙
在Vitepress项目中,开发者经常需要调整文档侧边栏的显示层级以满足不同场景的需求。本文深入探讨如何通过配置实现侧边栏多级标题的灵活展示。
默认配置的局限性
Vitepress默认主题的侧边栏(outline)默认只显示二级标题(H2),这种设计虽然简洁,但对于结构复杂的文档可能不够用。当文档包含多级标题结构时,开发者往往需要展示更多层级的标题以增强导航体验。
解决方案:outline配置项
Vitepress提供了outline配置项来定制标题显示层级。在主题配置中,可以通过设置outline的depth属性来控制显示的标题层级深度:
// .vitepress/config.js
export default {
themeConfig: {
outline: {
depth: 3 // 显示H2到H3级别的标题
}
}
}
配置参数详解
depth参数支持以下值:
- 1:仅显示H2级别标题(默认值)
- 2:显示H2和H3级别标题
- 3:显示H2、H3和H4级别标题
- 依此类推,最大支持到6级标题
实际应用场景
- 技术文档:对于API参考文档,通常需要展示多级嵌套的结构,此时可以设置为depth:3或更高
- 教程类内容:分步骤的教程适合使用depth:2展示主要步骤和子步骤
- 知识库系统:大型知识库可能需要depth:4来展示完整的知识体系结构
最佳实践建议
- 根据文档实际结构选择合适的层级深度,避免过度嵌套导致侧边栏过于拥挤
- 对于特别长的文档,可以考虑结合
exclude选项过滤掉某些不重要的标题 - 保持整个项目的层级深度配置一致,提供统一的用户体验
通过合理配置outline的depth参数,开发者可以灵活控制Vitepress文档的导航结构,显著提升文档的可读性和易用性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30