fidget.nvim 配置升级指南:从旧版迁移到 v1.4
2025-07-03 00:53:15作者:柏廷章Berta
配置迁移概述
fidget.nvim 从旧版升级到 v1.4 版本后,配置结构发生了显著变化。这些变化主要是为了支持更细粒度的配置选项和扩展插件的功能范围,使其不仅限于 LSP 进度通知,还能作为 vim.notify 的后端等更多用途。
新旧配置项对照
文本显示相关配置
- 旧版
text.spinner对应新版progress.display.progress_icon,可以使用内置的动画模式如 "dots_negative" text.done迁移为progress.display.done_icontext.commenced和text.completed合并为progress.display.format_message
定时器相关配置
timer.spinner_rate改为notification.poll_rate,控制渲染频率timer.fidget_decay替换为notification.configs中的ttl参数timer.task_decay对应progress.display.done_ttl
窗口显示配置
window.relative保持相同路径notification.window.relativewindow.blend改为notification.window.winblendwindow.border路径变为notification.window.border
调试配置
debug.logging改为logger.level,可设置为 INFO 或 DEBUGdebug.strict选项已被弃用
最佳实践建议
-
加载时机:不再建议仅在 LSP 附加时加载插件,因为现在它承担了更多功能。如果确实需要优化启动时间,可以考虑使用 "VeryLazy" 事件。
-
错误处理:直接使用 require 而不需要 pcall 包装,因为依赖项应该是确定存在的。如果确实缺失,应该让错误直接抛出以便及时发现配置问题。
-
动画自定义:虽然当前版本对自定义动画的支持接口不够友好,但开发者正在改进这一功能。建议暂时使用内置的动画模式。
配置示例
以下是一个符合 v1.4 版本的配置示例:
local fidget = require("fidget")
local icons = require("your_icons_module")
fidget.setup({
progress = {
display = {
progress_icon = { pattern = "dots_negative" },
done_icon = icons.ui.Check,
format_message = function(msg)
return string.format("%s %s", icons.ui.CircleSmall, msg)
end,
done_ttl = 3000,
}
},
notification = {
window = {
relative = "editor",
winblend = 0,
border = "rounded",
},
poll_rate = 200,
configs = {
default = {
ttl = 3000,
}
}
},
logger = {
level = "INFO",
}
})
升级注意事项
-
新版配置更加模块化,将不同功能区的配置分离,提高了灵活性但增加了配置复杂度。
-
动画系统的配置方式有所改变,开发者正在重构这一部分,后续版本可能会有进一步改进。
-
错误处理策略应该调整,直接暴露问题比静默失败更有利于维护稳定的配置。
通过以上调整,用户可以充分利用 fidget.nvim v1.4 的新特性,同时保持原有的功能体验。虽然迁移过程需要投入时间,但新版本提供的扩展性和灵活性将为后续使用带来更多可能性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.2 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
661