TypeDoc项目中的文档分类与分组优化实践
TypeDoc作为TypeScript项目的文档生成工具,其文档组织结构对用户体验至关重要。本文将深入探讨如何优化TypeDoc生成的文档导航结构,特别是针对分类(category)和分组(group)的高级配置技巧。
默认分类的命名问题
在TypeDoc中,当开发者希望部分实体直接显示在顶级导航中(而不被归类到任何分类或分组下)时,通常的做法是将这些实体的分类命名为"None"。然而这种做法会导致在模块页面中显示不太美观的"None"分类标题。
解决方案演进
TypeDoc开发团队针对这个问题提供了两种解决方案:
-
统一导航与页面结构:最初考虑让模块页面采用与导航相同的组织结构,使未分类的实体在两者中都保持顶级显示。但这种方法存在局限性,因为导航和页面结构本质上是不同的概念,导航特有的定制选项并不适合直接应用于页面内容。
-
引入@disableGroups标签:最终实现的方案是新增一个
@disableGroups标签,该标签可以完全禁用指定父级元素的组机制。这意味着无论是导航还是页面内容都不会包含组部分。这个方案比修改现有@hideGroups标签的行为更合理,因为它避免了破坏性变更。
实际应用技巧
在实际项目中,开发者可以通过以下方式优化文档结构:
-
对于希望保持扁平的模块结构,使用
@disableGroups标签可以避免出现虚假的"None"分类标题。 -
当需要将部分高级或内部实体归类时,可以创建明确的分类(如"Advanced"或"Internal"),而将常用实体保持顶级显示。
-
注意
@category none的用法,它适用于类成员等反射元素,帮助实现更精细的文档结构控制。
注意事项
开发者在使用这些功能时需要注意:
-
@disableGroups和@hideGroups的区别:前者完全禁用分组机制,后者仅影响导航树的显示。 -
默认情况下,
navigation.includeGroups选项是关闭的,这意味着分组不会自动显示在导航中。 -
在类成员未分类且使用
@disableGroups时,要检查是否会出现成员在页面导航中重复显示的问题(已在新版本中修复)。
通过合理运用TypeDoc的分类和分组功能,开发者可以创建出既清晰又专业的API文档结构,显著提升最终用户的使用体验。
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-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