Haskell语言服务器(HLS)中`resolve`请求处理机制优化
2025-06-28 19:38:55作者:牧宁李
在Haskell语言服务器(HLS)的开发过程中,我们发现了一个关于resolve请求处理的重要问题。这类请求包括completion/resolve和codeAction/resolve等,它们用于在客户端需要时获取更详细的信息,如文档说明或非局部类型签名等。
问题背景
HLS原本的设计逻辑是:只有当某个功能项(如代码补全或代码操作)包含特别耗时的属性时,才会设置_data字段,表示该功能项支持resolve请求。然而,这种设计导致了几个实际问题:
- 当客户端发送
resolve请求但对应的_data字段为空时,HLS会直接拒绝该请求 - 某些插件(如hls-cabal-plugin)提供的补全功能没有正确处理这种情况
- 多个提供代码操作的插件没有实现
resolve处理器 - 特别是Vim客户端(可能也包括Emacs)会将这些拒绝请求明显地显示在用户界面中,甚至可能不应用已经存在的代码修复
技术分析
问题的核心在于HLS的resolve处理机制与客户端期望之间存在不匹配。客户端通常假设所有功能项都支持resolve请求,而实际上HLS是有选择性地支持。这种设计差异导致了不良的用户体验。
Michael Peyton Jones提出了两种可能的解决方案:
- 宽松处理方案:如果没有任何插件想要处理
resolve请求,就直接返回原始项。这种方案实现简单,但可能掩盖真正的问题。 - 智能处理方案:通过检查
_data字段的存在来判断是否"应该"处理该请求。只有设置了_data字段的项才要求必须被解析,否则可以直接返回原始项。
解决方案实现
最终采用了第二种更智能的方案,其核心逻辑是:
- 当
_data字段为Nothing时,不尝试将resolve请求路由到特定插件,而是直接返回请求数据不变 - 当
_data字段存在时,尝试将请求路由到相应的插件处理 - 只有当
_data字段存在但无法确定处理插件时,才拒绝请求
这种处理方式与原有行为的主要区别在于对_data = Nothing情况的处理:原有实现会拒绝请求,而新方案会优雅地处理。
技术意义
这一改进具有多方面的重要意义:
- 更好的客户端兼容性:满足了客户端对所有功能项都支持
resolve的预期 - 更优雅的错误处理:只有在确实无法处理时才返回错误,而不是因为设计差异
- 保持灵活性:仍然允许插件为需要复杂计算的功能项实现专门的
resolve处理 - 用户体验提升:避免了客户端显示不必要的错误信息
总结
通过对HLS中resolve请求处理机制的优化,我们解决了客户端兼容性问题,提升了用户体验。这一改进展示了在语言服务器协议实现中,如何处理客户端期望与实际能力之间的差异,为类似问题提供了参考解决方案。该修复已随HLS的新版本发布,用户将能获得更稳定流畅的编程体验。
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219