LaTeX-Workshop 中 SyncTeX 功能的使用指南
概述
SyncTeX 是 LaTeX 编译工具链中的一个重要功能,它能够在源代码和生成的 PDF 文件之间建立双向链接。LaTeX-Workshop 作为 Visual Studio Code 的扩展,提供了对 SyncTeX 功能的完整支持。本文将详细介绍如何在 LaTeX-Workshop 中正确配置和使用 SyncTeX 功能。
环境配置
在使用 SyncTeX 功能前,需要确保以下环境配置正确:
-
PDF 查看器选择:LaTeX-Workshop 支持多种 PDF 查看器,包括内置查看器和外部查看器(如 Skim、SumatraPDF 等)。对于 macOS 用户,Skim 是一个常用的选择。
-
SyncTeX 命令配置:需要正确设置外部查看器的 SyncTeX 命令路径和参数。对于 Skim 查看器,典型的配置如下:
{
"latex-workshop.view.pdf.viewer": "external",
"latex-workshop.view.pdf.external.viewer.command": "/Applications/Skim.app/Contents/SharedSupport/displayline",
"latex-workshop.view.pdf.external.viewer.args": [
"0",
"%PDF%"
],
"latex-workshop.view.pdf.external.synctex.command": "/Applications/Skim.app/Contents/SharedSupport/displayline",
"latex-workshop.view.pdf.external.synctex.args": [
"-revert",
"-readingbar",
"-background",
"%LINE%",
"%PDF%",
"%TEX%"
]
}
SyncTeX 的两种工作模式
1. 正向同步(TeX → PDF)
正向同步是指从 LaTeX 源代码跳转到 PDF 文件中对应的位置。在 LaTeX-Workshop 中,可以通过以下方式实现:
- 使用快捷键
Ctrl+Alt+J(Windows/Linux)或Cmd+Opt+J(macOS) - 通过命令面板执行 "SyncTeX from cursor" 命令
2. 反向同步(PDF → TeX)
反向同步是指从 PDF 文件跳转回对应的 LaTeX 源代码位置。实现方式取决于使用的 PDF 查看器:
- 内置查看器:直接双击 PDF 中的位置
- 外部查看器:需要在外部查看器中配置相应的同步命令(如 Skim 的 Command+Click)
常见问题排查
如果 SyncTeX 功能无法正常工作,可以按照以下步骤排查:
-
确认编译参数:确保编译时启用了 SyncTeX 功能,通常在 latexmk 或 pdflatex 命令中添加
-synctex=1参数。 -
检查路径配置:确认外部查看器的路径配置正确,特别是 macOS 上 Skim 的路径可能因安装方式不同而变化。
-
验证功能独立性:尝试在终端中手动执行 SyncTeX 命令,确认是否是 LaTeX-Workshop 的问题还是系统环境的问题。
-
查看日志输出:通过 LaTeX-Workshop 的输出日志,可以查看 SyncTeX 命令是否被正确执行。
高级配置建议
-
多显示器工作流:可以配置外部查看器在不同显示器打开,提高工作效率。
-
自动刷新:配置 PDF 在编译后自动刷新,保持与源代码同步。
-
快捷键自定义:根据个人习惯修改 SyncTeX 的快捷键绑定。
总结
SyncTeX 是 LaTeX 工作流中提高效率的重要工具。通过正确配置 LaTeX-Workshop 和 PDF 查看器,可以实现源代码和 PDF 之间的无缝跳转,大幅提升文档编写和排版的效率。对于初次使用的用户,建议从简单的配置开始,逐步熟悉后再尝试更复杂的工作流定制。
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