Marp for VS Code 3.1.0 版本发布:增强导出功能与用户体验
Marp for VS Code 是专为 Visual Studio Code 编辑器设计的 Markdown 幻灯片制作工具,它基于 Marp 生态系统,允许用户使用简单的 Markdown 语法创建精美的演示文稿。该项目通过集成 Marp CLI 的核心功能,为开发者提供了在 VS Code 中直接编写、预览和导出幻灯片的完整工作流。
新增功能亮点
自动打开导出文件功能
3.1.0 版本引入了 markdown.marp.exportAutoOpen 设置项,这是一个提升工作效率的实用功能。当用户导出幻灯片为 PDF、PPTX 或其他格式时,启用此选项后,系统会自动打开生成的导出文件。这个特性特别适合需要频繁导出和检查幻灯片效果的场景,省去了手动查找和打开文件的步骤。
可编辑 PPTX 实验性支持
在 PowerPoint 兼容性方面,新版本增加了实验性的 markdown.marp.pptx.editable 设置。启用后,导出的 PPTX 文件将保留更多可编辑元素,而不是将所有内容渲染为静态图片。这使得用户在 PowerPoint 中可以对导出的幻灯片进行进一步调整,为需要后期微调的场景提供了更多灵活性。
兼容性改进与用户体验优化
不兼容扩展提醒机制
针对扩展冲突问题,3.1.0 版本实现了一个智能的观察者机制。当检测到安装了可能影响 Marp 功能正常工作的其他扩展时,系统会主动通知用户。这个改进解决了长期存在的扩展兼容性问题,特别是那些可能干扰 Markdown 预览或幻灯片渲染的扩展。
主题感知图标
在视觉体验方面,新版本修复了图标主题颜色不一致的问题。现在 Marp 图标会根据 VS Code 当前的主题设置自动调整颜色,保持界面视觉风格的一致性,提升了整体用户体验。
底层引擎升级
本次更新将内置的 Marp CLI 引擎升级到了 4.1.1 版本,带来了核心幻灯片渲染引擎的性能改进和稳定性提升。这一底层升级意味着用户可以获得更快的编译速度、更可靠的导出功能以及修复的各种边缘情况问题。
设置项优化
开发团队对一些设置项进行了重新标记,将 markdown.marp.strictPathResolutionDuringExport 明确标注为"实验性"功能,帮助用户更好地理解这些功能的成熟度和稳定性状态。这种透明化的标注方式有助于用户做出更明智的设置选择。
总结
Marp for VS Code 3.1.0 版本在保持核心功能稳定的同时,通过新增自动打开导出文件、改进 PPTX 导出兼容性、增强扩展冲突检测等特性,进一步提升了用户的工作效率和体验。特别是对需要频繁与 PowerPoint 协作的用户来说,新的可编辑 PPTX 支持将大大简化工作流程。这些改进体现了开发团队对用户反馈的积极响应和对产品质量的不懈追求。
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-1.5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