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。
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