在vscode-file-nesting-config中支持vanilla-extract的CSS模块嵌套
对于使用TypeScript和React开发的前端工程师来说,文件组织一直是一个值得关注的话题。vscode-file-nesting-config项目为VS Code提供了智能的文件嵌套功能,能够将相关联的文件在资源管理器中分组显示,大大提升了开发体验。
近期社区中提出了一个关于支持vanilla-extract CSS模块的需求。vanilla-extract是一个流行的CSS-in-TypeScript解决方案,它允许开发者使用TypeScript编写类型安全的CSS样式。与传统的CSS模块不同,vanilla-extract生成的样式文件通常以.css.ts作为扩展名。
在当前的项目配置中,React组件文件(.tsx)已经能够自动嵌套相关的测试文件(.test.ts)、样式文件(.module.css)等。但对于使用vanilla-extract的项目,开发者希望.tsx组件也能自动关联对应的.css.ts样式文件。
从技术实现角度来看,这个需求相当直观。项目现有的配置系统已经支持通过正则表达式模式匹配来建立文件关联关系。只需要在现有的TSX组件嵌套规则中添加对.css.ts文件的匹配模式即可。
这种改进对于采用vanilla-extract技术栈的团队特别有价值。当项目中使用TypeScript编写样式时,能够保持文件组织的整洁性,同时又不失类型安全的优势。开发者可以轻松地在组件文件和其对应的样式文件之间切换,而不会被分散在不同目录中的文件所困扰。
考虑到vanilla-extract在现代前端项目中的日益普及,这个改进将显著提升使用该技术栈的开发者的工作效率。它不仅保持了项目的整洁性,还强化了组件和样式之间的逻辑关联,使得代码维护变得更加直观。
这种对新兴CSS-in-JS解决方案的支持也体现了vscode-file-nesting-config项目的灵活性和前瞻性,能够及时响应前端生态系统的变化,为开发者提供更好的工具支持。
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
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