Notepad-- 3.2版本发布:跨平台文本编辑器的全面升级
Notepad-- 是一款开源的跨平台文本编辑器,作为Windows系统自带记事本的增强替代品,它提供了更丰富的功能和更好的用户体验。最新发布的3.2版本在多个方面进行了优化和改进,包括正则表达式支持、查找替换功能增强、界面优化等,进一步提升了开发者和普通用户的使用体验。
跨平台支持全面覆盖
Notepad-- 3.2版本延续了项目一贯的跨平台特性,为不同操作系统提供了专门的构建版本:
对于Windows用户,提供了两种安装方式选择:插件版安装包(Notepad--v3.2-plugin-Installer.exe)会自动关联右键菜单等系统集成功能;绿色便携版(Notepad--v3.2-win10-portable.zip)则解压即可使用,适合需要灵活部署的场景。
针对MacOS用户,3.2版本分别提供了x64架构和ARM64架构(M1/M2芯片)的专用版本。需要注意的是,在MacOS系统上首次安装时,用户可能需要在系统偏好设置中调整安全设置以允许应用运行。
Linux用户可以通过.deb包(com.hmja.notepad_3.2.0.0_amd64.deb)进行安装,支持包括UOS、Kylin、Ubuntu、RedHat和CentOS在内的多种发行版。
核心功能增强
3.2版本在文本处理的核心功能上进行了多项改进:
正则表达式支持得到了增强,现在可以正确处理中文正则表达式如^[\u4e00-\u9fa5]{3}这样的模式,这对于处理中文文本的用户来说是一个重要改进。
查找替换功能现在更加智能和实用。替换操作后会恢复之前的选区范围,方便用户进行连续操作。批量查找替换新增了不区分大小写的选项,提高了操作的灵活性。特别值得一提的是,查找结果现在可以导出保存为文件,这对于需要记录或分享查找结果的用户非常有用。
对于大文件处理,新增了一个实用功能:500MB以下的文件可以强制使用普通模式打开,这为处理较大文本文件提供了更多选择。
用户体验优化
在界面和交互方面,3.2版本也做了细致优化:
颜色方案进行了调整,选中颜色和同类高亮颜色现在有更明显的区分,窗体边框颜色从红色改为更柔和的亮蓝色,减少了视觉疲劳。
查找框的显示问题得到了修复,现在QComboBox能够正确显示完整字体,不会再出现下划线被遮挡的情况。
选择行界面改为非阻塞模式,用户可以边查看边滑动选择行号,操作更加流畅。
特别解决了10MB以上文件在深色主题下可能出现的背景和字体颜色异常问题,提升了大型文件的可读性。
稳定性和兼容性改进
3.2版本在稳定性方面也有所提升:
修复了重新加载文件后高亮显示可能出错的问题,确保代码高亮等功能的可靠性。
解决了MacOS系统上虚拟键盘可能引发的崩溃问题,提高了在苹果设备上的稳定性。
新增了通过网页获取离线本地码的功能,为无法联网的用户提供了便利的激活方式。
技术前瞻:Qt6测试版本
虽然未包含在正式发布中,但开发团队已经提供了基于Qt6框架的Windows测试版本(Notepad--v3.2-qt6-portable.zip)。Qt6版本对4K高清屏幕有更好的支持,代表着未来版本的技术方向。对高清显示有需求的用户可以帮助测试这一预览版本。
Notepad-- 3.2版本的这些改进,使得这款轻量级文本编辑器在功能丰富性和使用体验上又向前迈进了一步,无论是日常文本编辑还是代码编写,都能为用户提供更高效、更舒适的工作环境。
kernelopenEuler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。C030
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