推荐:ACCodeSnippetRepositoryPlugin——代码片段的 Git 同步利器
项目介绍
ACCodeSnippetRepositoryPlugin 是一个针对 Xcode 的插件,它能够让你的代码片段与 Git 仓库实现无缝同步,让团队协作变得更加高效。这个插件将你的代码片段以人类可读的文本格式存储,而不是通常的 .codesnippet 属性列表文件。

如果你对 Xcode 中的代码片段功能不熟悉,可以参考 NSHipster 上的这篇精彩文章:Xcode Snippets。
要尝试使用已经存在的公共仓库吗?不妨试试 acoomans 或者 mattt 的代码片段库。
安装
- 构建项目安装插件。插件会自动安装到
/Library/Application Support/Developer/Shared/Xcode/Plug-ins/ACCodeSnippetRepository.xcplugin。 - 重启 Xcode,激活插件。
或者,你也可以通过 Alcatraz 插件管理器进行安装。
配置
在 Xcode 菜单中会出现一个 "插件" 选项,从这里你可以配置你的代码片段仓库:

首先,你需要配置并 fork 远程仓库:

当你 fork 之后,所有符合格式要求的代码片段(见下文“格式”部分)都会被导入到 Xcode 中。你现有的、尚未关联任何仓库的代码片段不会受到影响。
此外,还可以选择导入 Xcode 内置的代码片段,或者移除系统代码片段。
如果出现错误,可以通过备份用户代码片段文件夹来保护你的数据。用户代码片段会自动在每次操作前备份。
使用
ACCodeSnippetRepositoryPlugin 使用起来非常简单,就像平时使用 Xcode 一样编写代码片段。它们会被自动添加、修改或删除,并同步到 Git 仓库。

格式
代码片段以 .m 文件扩展名保存,格式如下:
- 一个头部,包含了:
- 标题
- 描述
- 数字键和值形式的 Xcode 相关信息(键按字母顺序排列)
- 代码
如果代码片段没有头部,该头部会在导入时被自动添加、提交和推送。
请注意不要删除 Xcode 相关的信息,因为这些信息对于同步是必要的。
如果有两个具有相同 IDECodeSnippetIdentifier 的代码片段,Xcode 会崩溃,因此,当手动创建代码片段时,请更改或删除这一标识符。

同步
每次代码片段变更都会独立地进行提交和推送。每隔10分钟(如果启用了该选项)或点击菜单中的 "更新代码片段",本地代码片段将与远程仓库同步。在合并过程中遇到冲突时,远程仓库的内容优先。
注意事项与限制
可能存在一些问题,比如错误、崩溃以及同步问题。请定期备份你的代码片段和 Git 仓库,以防万一。
贡献
架构
插件的工作原理是对 _IDECodeSnippetRepository 类进行了 swizzling 处理,这是 IDECodeSnippetLibrary.ideplugin 插件的一部分。然后,我们可以为 _IDECodeSnippetRepository 添加自定义的数据存储类,遵循 ACCodeSnippetDataStoreProtocol 协议。
下图展示了架构的大致情况,可能会让你感到有点迷茫:

提交代码
欢迎通过 pull request 形式贡献代码。
改进计划
未来的改进方向包括:
- 增加对
.codesnippet文件的支持 - 实现多个数据存储管理
- 支持 Github Gist
总结
ACCodeSnippetRepositoryPlugin 让 Xcode 代码片段的版本控制变得轻松简单,提供了高效的团队协作环境。无论是个人开发者还是团队成员,都可以从中获益。现在就加入,开始享受代码片段同步带来的便利吧!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00