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。
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