Go插件for IntelliJ技术文档
2024-12-20 01:30:41作者:幸俭卉
1. 安装指南
1.1 支持的IDE
该插件可以在以下基于IntelliJ的IDE中安装:
- IntelliJ 2016.1+(Ultimate或Community)
- WebStorm 2016.1+
- PhpStorm 2016.1+
- PyCharm 2016.1+
- RubyMine 2016.1+
- CLion 2016.1+
- Android Studio 1.2.1+
1.2 安装方式
由于该项目已不再维护,建议使用JetBrains官方的GoLand IDE或IntelliJ IDEA Ultimate 2017.3及以上版本。如果你仍然希望使用该插件,可以按照以下步骤进行安装:
- 使用JetBrains官方的插件管理指南。
- 根据需要选择alpha或nightly版本,并粘贴相应的URL:
- alpha版本:https://plugins.jetbrains.com/plugins/alpha/5047
- nightly版本:https://plugins.jetbrains.com/plugins/nightly/5047
注意:上述链接不能在浏览器中直接使用,只能在IDE中使用。
1.3 版本对应关系
以下是插件版本与IntelliJ平台版本的对应关系:
| 插件版本号 | 平台版本号 |
|---|---|
| 0.12.x | IntelliJ 2016.2 (IntelliJ IDEA 2016.2) |
| 0.11.x | IntelliJ 2016.1 (IntelliJ IDEA 2016.1) |
| 0.10.x | IntelliJ 143.1180 - 143.9999 (IntelliJ IDEA 15.0.2+) |
| 0.9.x | IntelliJ 141.1532 - 141.9999 (IntelliJ IDEA 14.1) |
如果你使用的不是IntelliJ IDEA,请检查你的IDE的构建号,该构建号对应于IntelliJ平台版本。
2. 项目的使用说明
2.1 功能概述
该插件提供了以下功能:
- 导航:
- 转到继承结构
- 转到超接口
- 类型感知补全(智能补全)
- 提取函数重构
- 实现类型
- 检查和快速修复:
- 引入方法
- 引入字段
- 删除未使用的参数
- 显示符号重复项
- 添加/删除赋值计数不匹配中的缺失/冗余表达式
- 正确实现的重复符号检查
- 递归类型检测
- 无效的常量初始化
- 测试和覆盖率:
- 子测试支持(运行器、导航、行号操作)
- 调试测试
- 调试器:
- 步出
- 性能提升100倍
- 通用功能:
go:generate注释的高亮显示- 结构体字段的快速文档
- 语义高亮
- 参数名称提示
- SQL自动注入
- 支持Go 1.9+
- 支持AppEngine 1.9.54+
2.2 使用注意事项
由于该插件已不再维护,建议使用JetBrains官方的GoLand IDE或IntelliJ IDEA Ultimate 2017.3及以上版本。如果你选择继续使用该插件,请注意以下事项:
- 预发布版本可能不稳定,某些功能可能无法正常工作。
- 请在报告问题时提供详细的IDE版本、操作系统版本、JDK版本、插件版本以及复现步骤。
3. 项目API使用文档
由于该插件已不再维护,且没有提供详细的API文档,建议参考JetBrains官方的GoLand IDE或IntelliJ IDEA Ultimate的API文档。
4. 项目安装方式
请参考安装指南中的详细步骤进行安装。
注意:由于该项目已不再维护,建议优先使用JetBrains官方的GoLand IDE或IntelliJ IDEA Ultimate 2017.3及以上版本。
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
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146