vim-picker 使用教程
2024-08-31 22:34:19作者:宣聪麟
项目介绍
vim-picker 是一个用于 Vim 和 Neovim 的模糊选择器插件,允许用户通过模糊选择器(如 fzy、pick 或 selecta)搜索和选择文件、缓冲区和标签。与类似功能的插件(如 ctrlp.vim 和 Command-T)相比,vim-picker 具有以下优势:
- 使用嵌入式终端模拟器(需要 Neovim 或 Vim 8.1),模糊选择器不会阻塞 UI。
- 在选择项目时,可以切换到另一个缓冲区进行编辑,然后返回模糊选择器继续操作。
- 遵循 Unix 哲学,不重新实现现有工具。文件列表使用最适合的工具:在 Git 仓库中使用 git,其他情况下使用 fd,如果 fd 不可用则使用 find。
项目快速启动
安装
首先,你需要安装一个模糊选择器,如 fzy(推荐)、pick 或 selecta。然后,你可以使用插件管理器安装 vim-picker。
使用 vim-plug
在你的 .vimrc 或 init.vim 中添加以下内容:
call plug#begin('~/.vim/plugged')
Plug 'srstevenson/vim-picker'
call plug#end()
然后运行 :PlugInstall。
手动安装
对于 Vim:
git clone https://github.com/srstevenson/vim-picker \
~/vim/pack/plugins/start/vim-picker
对于 Neovim:
git clone https://github.com/srstevenson/vim-picker \
${XDG_DATA_HOME:-$HOME/.local/share}/nvim/site/pack/plugins/start/vim-picker
配置
vim-picker 不定义默认的键映射,允许你根据自己的工作流程选择合适的键映射。以下是一些示例键映射:
nmap <Leader>p <Plug>(PickerEdit)
nmap <Leader>s <Plug>(PickerSplit)
nmap <Leader>t <Plug>(PickerTabedit)
应用案例和最佳实践
应用案例
- 文件导航:使用
vim-picker快速打开项目中的文件。 - 标签导航:在大型项目中快速跳转到特定标签。
- 缓冲区管理:快速切换和管理多个缓冲区。
最佳实践
- 自定义键映射:根据个人习惯设置键映射,避免与其他插件冲突。
- 集成其他工具:结合其他 Vim 插件(如 NERDTree)提高工作效率。
典型生态项目
- Telescope:一个现代的 Neovim 模糊选择器,功能强大且灵活。
- fzf.vim:基于 fzf 的 Vim 插件,提供强大的模糊搜索功能。
- ctrlp.vim:一个流行的模糊文件搜索插件,适用于 Vim。
通过以上内容,你可以快速上手并充分利用 vim-picker 插件,提高在 Vim 和 Neovim 中的文件导航和编辑效率。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
项目优选
收起
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
640
147
Ascend Extension for PyTorch
Python
202
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100