Harper项目v0.35.0版本发布:拼写检查与语言工具的重大升级
Harper是一个开源的文本处理工具集,专注于提供高质量的拼写检查、语法修正和写作辅助功能。该项目由Automattic团队维护,提供了命令行工具、语言服务器以及浏览器扩展等多种形式的产品。本次发布的v0.35.0版本带来了多项重要改进,特别是在拼写建议算法和规则扩展方面有显著提升。
拼写检查算法优化
新版本对拼写建议系统进行了重要改进,现在能够更好地处理常见的拼写错误模式。开发团队通过分析大量真实文本中的拼写错误,改进了建议生成算法,使其不仅考虑字母替换、插入和删除等基本编辑距离,还能识别特定类型的常见拼写混淆模式。
例如,系统现在能够更好地处理"adieu"误写为"ado"、"a fare bit"误写为"a fair bit"这类特定错误。这种基于统计的改进使得拼写建议更加准确和实用,特别是对于非英语母语用户常见的拼写错误。
词典内容扩充与优化
v0.35.0版本对内置词典进行了大量更新:
- 新增了大量词汇,包括技术术语和日常用语
- 优化了现有词汇的标签系统,使词性标注更加准确
- 特别添加了常用短语动词(phrasal verbs)的完整收录
- 修正了多个词汇的拼写变体和用法说明
这些改进使得Harper能够更准确地识别各种语境下的正确用法,减少误报率,同时提高对非标准用法的检测能力。
语言服务器功能增强
Harper语言服务器(LS)在此版本中获得了多项重要更新:
-
忽略规则持久化:现在可以永久性地忽略特定文件或项目的某些检查规则,而不仅仅是临时忽略。这一功能通过配置文件实现,方便团队协作时保持一致的代码风格。
-
位置转换修复:修正了文本位置到索引转换的逻辑错误,提高了诊断信息的准确性,特别是在处理多行文本和大文件时表现更稳定。
-
性能优化:通过内部算法改进,减少了内存占用和处理延迟,特别是在持续集成环境中表现更佳。
浏览器扩展改进
Harper的Chrome扩展在此版本中获得了显著增强:
-
网站兼容性扩展:新增了对多个流行网站的支持,包括各种内容管理系统和协作平台,确保在这些环境中的拼写检查功能正常工作。
-
忽略功能:用户现在可以直接在浏览器中忽略特定的拼写建议,这些忽略设置会持久保存,避免重复提示。
-
样式调整:优化了在Obsidian等笔记应用中的显示效果,解决了弹出窗口高度限制导致的显示问题。
新增规则与语法检查
v0.35.0版本引入了一系列新的写作规则,包括但不限于:
- 冗余表达检测
- 被动语态过度使用提示
- 复杂句式简化建议
- 技术文档特有的风格指南检查
这些规则特别适合技术写作、学术论文和商业文档的场景,帮助用户提高文本的清晰度和专业性。
跨平台支持
Harper继续保持优秀的跨平台兼容性,本版本提供了:
- 针对macOS(包括Apple Silicon和Intel芯片)的优化版本
- 完善的Linux支持(包括glibc和musl两种运行时)
- Windows平台的完整功能实现
- 各种架构(ARM64/x86_64)的预编译二进制包
总结
Harper v0.35.0版本在拼写检查准确性、规则覆盖面和用户体验方面都有显著提升。特别是对常见拼写错误的智能识别、词典内容的扩充以及语言服务器功能的完善,使其成为技术写作、内容创作和日常沟通的有力助手。开发团队对细节的关注,如特定短语的拼写纠正和跨平台兼容性保证,展现了项目的专业性和实用性定位。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07