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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00