Aerial.nvim 2.5.0版本发布:增强Tree-sitter支持与语言覆盖
Aerial.nvim是一款为Neovim设计的代码大纲插件,它能够以侧边栏或浮动窗口的形式展示当前文件的代码结构。该插件支持通过LSP和Tree-sitter两种方式解析代码结构,为开发者提供了便捷的代码导航功能。
Tree-sitter支持显著增强
在2.5.0版本中,Aerial.nvim显著增强了其对Tree-sitter解析器的支持,新增了对多种编程语言的Tree-sitter查询支持:
-
Nushell支持:新增了对Nushell脚本语言的Tree-sitter查询支持,使得这种现代shell脚本语言也能享受到完整的代码大纲功能。
-
Fish Shell支持:为Fish shell添加了Tree-sitter查询,完善了shell脚本家族的支持范围。
-
PHP作用域提取:改进了PHP语言的Tree-sitter后端,现在能够正确提取函数作用域信息,使得PHP代码的结构展示更加准确。
-
强制Tree-sitter符号支持:通过新的强制机制,确保Tree-sitter能够稳定地提供符号信息,提高了插件的可靠性。
与Snacks Picker的集成
2.5.0版本新增了与Snacks picker的集成功能。Snacks是一个轻量级的Neovim选择器插件,这次集成使得用户可以通过Snacks界面快速选择和跳转到代码中的符号,进一步丰富了Aerial.nvim的交互方式。
问题修复与改进
本次更新还包含了一些重要的修复和改进:
-
默认LSP行为保持不变:修复了一个可能影响vim.lsp.buf.document_symbol默认行为的问题,确保与其他LSP插件的兼容性。
-
Groovy解析器更新:针对Groovy语言的Tree-sitter解析器更新,重新生成了快照以确保兼容性。
-
Djot查询更新:根据上游变化更新了Djot标记语言的查询,保持与最新语法规则的同步。
技术价值与应用场景
Aerial.nvim 2.5.0版本的这些改进特别适合以下场景:
-
多语言开发者:新增的Nushell和Fish支持,加上已有的多种语言支持,使得使用多种编程语言的开发者能够获得一致的代码导航体验。
-
PHP项目维护:改进的PHP作用域提取功能对于维护大型PHP项目特别有价值,能够更清晰地展示代码结构层次。
-
快速代码导航需求:与Snacks picker的集成为偏好键盘操作的用户提供了更高效的代码导航方式。
Aerial.nvim通过持续增强Tree-sitter支持,正在逐步减少对LSP的依赖,这使得它能够在更多环境和场景下工作,包括那些尚未配置LSP的项目。这种技术路线选择体现了插件对稳定性和广泛适用性的追求。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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