解决blink.cmp中BlinkCmpLabelDeprecated高亮组fg属性失效问题
2025-06-15 01:58:59作者:戚魁泉Nursing
在blink.cmp项目中,用户可能会遇到一个关于BlinkCmpLabelDeprecated高亮组的fg(前景色)属性无法正常工作的问题。本文将深入分析这一问题的原因,并提供两种解决方案。
问题现象
当用户尝试通过以下方式设置BlinkCmpLabelDeprecated高亮组时:
vim.api.nvim_set_hl(0, "BlinkCmpLabelDeprecated", {
fg = "#2f3639",
strikethrough = true,
bold = true
})
虽然strikethrough(删除线)和bold(加粗)属性能够正常生效,但fg(前景色)属性却无法改变文本颜色。这会导致废弃标签的显示效果不符合预期。
问题根源
经过分析,这个问题与blink.cmp配置中的treesitter高亮设置有关。当启用了treesitter高亮功能时:
treesitter = { "lsp" }
treesitter的高亮机制会覆盖自定义的fg颜色设置,导致前景色无法生效。
解决方案
方案一:禁用treesitter高亮
最简单的解决方案是注释掉treesitter高亮设置:
completion = {
menu = {
draw = {
-- treesitter = { "lsp" } -- 注释掉这一行
}
}
}
这种方法简单直接,但会失去代码在补全菜单中的语法高亮功能。
方案二:自定义高亮组件
对于希望保留语法高亮的用户,可以采用更精细化的高亮控制方式:
completion = {
menu = {
draw = {
components = {
label = {
highlight = function(ctx)
-- 添加treesitter高亮
local highlights = require(
"blink.cmp.completion.windows.render.treesitter"
).highlight(ctx)
-- 定义废弃项的高亮
local deprecated = {
{ 0, #ctx.label, group = "BlinkCmpLabelDeprecated" },
}
-- 根据是否废弃返回相应高亮
return ctx.deprecated and deprecated or highlights
end,
},
},
},
},
}
这种方法通过自定义高亮函数,既保留了treesitter的语法高亮功能,又能确保废弃标签的前景色设置生效。
总结
blink.cmp中的高亮系统具有优先级机制,treesitter高亮会覆盖部分自定义设置。通过上述两种方案,用户可以根据自己的需求选择最适合的解决方法。对于重视代码高亮的用户,推荐使用方案二,它提供了更精细的控制能力。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.51 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
495
520
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
794
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
779
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++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
662
301