Doom Emacs中解决TypeScript/NextJS项目保存时格式化的错误
在Doom Emacs中使用TypeScript/NextJS项目时,开发者可能会遇到一个常见的配置问题:当尝试保存文件时,模型线会显示错误信息"no such formatter defined in 'aphelia-formatters': :none"。这个问题通常是由于格式器配置不当引起的。
问题背景
Doom Emacs内置了强大的代码格式化功能,主要通过Apheleia模块实现。当开发者同时启用了其他格式化工具(如prettier-js)时,可能会产生配置冲突。错误信息表明系统找不到名为":none"的格式化程序,这通常是因为开发者试图通过设置"+format-with :none"来禁用内置格式化功能,但这不是正确的做法。
解决方案
有四种推荐的方法可以正确解决这个问题:
-
使用禁用列表 将不需要内置格式化的模式添加到禁用列表中:
(add-to-list '+format-on-save-disabled-modes 'rjsx-mode) (add-to-list '+format-on-save-disabled-modes 'js2-mode) -
使用抑制函数 通过钩子函数在特定条件下禁用Apheleia:
(add-hook! 'apheleia-inhibit-functions (bound-and-true-p prettier-js-mode)) -
直接关闭Apheleia模式 在特定模式中完全禁用Apheleia:
(add-hook! '(js2-mode-hook typescript-mode-hook rjsx-mode-hook) (apheleia-mode -1)) -
设置缓冲区局部变量 在特定缓冲区中抑制Apheleia:
(setq-hook! '(js2-mode-hook typescript-mode-hook rjsx-mode-hook) apheleia-inhibit t)
最佳实践建议
对于TypeScript/NextJS项目,推荐采用第二种方案(使用抑制函数),因为它可以智能地在prettier-js启用时自动禁用Apheleia,保持配置的灵活性。同时,确保prettier已经通过npm全局安装,并且在项目中配置了适当的.prettierrc文件。
如果项目需要更复杂的格式化策略,可以考虑创建自定义的Apheleia格式化程序,而不是完全禁用它。这样可以充分利用Doom Emacs的格式化基础设施,同时保持与其他工具的兼容性。
记住,在修改Emacs配置后,建议执行"doom sync"命令来确保所有更改正确加载。通过这些调整,开发者可以享受流畅的TypeScript/NextJS开发体验,而不会遇到格式化冲突问题。
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