Shiki v2.2.0 发布:语法高亮引擎的重大更新
Shiki 是一个基于 TextMate 语法的语法高亮引擎,它能够为代码块提供精确的语法高亮效果。与传统的正则表达式高亮方案不同,Shiki 使用 TextMate 的语法定义文件(.tmLanguage),这使得它能够提供与主流编辑器(如 VS Code)一致的语法高亮体验。
重大变更
在 v2.2.0 版本中,Shiki 默认启用了运行时警告功能。这是一个重大变更,意味着开发者现在会默认看到更多关于潜在问题的警告信息。这一变化旨在帮助开发者更早地发现和解决代码高亮相关的问题。
新特性
改进的警告信息
新版本对警告信息进行了改进,使其更加清晰和有用。这些改进包括更详细的错误描述和更好的格式化输出,帮助开发者更快地定位问题。
支持嵌套装饰
Shiki 现在允许装饰器嵌套,即使它们与父装饰器共享"边缘"。这一改进为代码高亮提供了更大的灵活性,使得更复杂的装饰场景成为可能。
JavaScript 引擎更新
JavaScript 引擎部分进行了依赖更新,并支持了更多语言。这意味着开发者现在可以使用更多编程语言的语法高亮功能,同时也能享受到最新的依赖包带来的性能改进和安全更新。
Markdown-it 异步支持
对于使用 markdown-it 的开发者来说,新版本增加了对 markdown-it-async 集成的支持。这使得在异步环境中使用 Shiki 变得更加方便,特别是在处理大量代码块时。
Rehype 回退语言支持
在 lazy 模式下,Rehype 插件现在支持 fallbackLanguage 选项。当指定的语言不可用时,系统会自动回退到备用语言的高亮方案,这提高了系统的健壮性和用户体验。
问题修复
依赖缺失警告
新版本增加了对缺失依赖的警告功能,帮助开发者及时发现和解决依赖问题。
引擎选项要求
修正了 createHighlighterCore 中 engine 选项的标记问题,现在正确地将其标记为必需选项。
彩色括号修复
彩色括号功能现在使用对象样式的 htmlStyle,这解决了之前版本中的一些样式问题。
核心功能改进
核心部分现在对 engine 选项采用了软性要求,提高了灵活性。
转换器修复
恢复了缺失的 createCommentNotationTransformer 功能,解决了之前版本中的相关问题。
总结
Shiki v2.2.0 带来了多项重要更新和改进,包括默认启用的运行时警告、更好的嵌套装饰支持、更多语言支持以及多项问题修复。这些变化使得 Shiki 作为一个语法高亮引擎更加健壮和灵活,能够满足开发者更复杂的需求。对于正在使用或考虑使用 Shiki 的开发者来说,升级到 v2.2.0 版本将带来更好的开发体验和更强大的功能支持。
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