CookCLI v0.13.0 发布:支持食谱引用与购物清单增强
CookCLI 是一个基于命令行的食谱管理工具,它采用 CookLang 格式来编写和解析食谱。CookLang 是一种专为食谱设计的标记语言,其特点是简洁明了,能够清晰地表达食材、步骤和工具等信息。CookCLI 则在此基础上提供了丰富的功能,包括食谱查看、购物清单生成等。
最新发布的 CookCLI v0.13.0 版本带来了多项重要更新,其中最引人注目的是对食谱引用的支持。这一功能使得用户可以在一个食谱中引用另一个食谱的内容,大大提高了食谱编写的灵活性和复用性。下面我们来详细了解一下这个版本的主要改进。
食谱引用功能
v0.13.0 版本的核心特性是引入了食谱引用机制。现在,用户可以在食谱中使用特殊的语法来引用其他食谱,这在处理复杂的多道菜烹饪流程时特别有用。例如,当制作一顿完整的晚餐时,可以分别编写前菜、主菜和甜点的食谱,然后在主食谱中引用这些子食谱。
引用语法采用了冒号作为分隔符,例如"@recipe{主菜:2}"表示引用名为"主菜"的食谱,并将其分量调整为原来的2倍。这种设计既直观又灵活,可以方便地调整被引用食谱的分量。
购物清单增强
与食谱引用功能配套的是购物清单的改进。现在,当生成购物清单时,系统会自动解析所有被引用的食谱,并将其中的食材合并到最终的购物清单中。这大大简化了准备多道菜时的食材采购工作。
新版本还增加了购物清单的分区显示功能,可以根据食材类别或来源食谱进行分组显示,使清单更加清晰易读。此外,系统还会检测循环引用的情况,防止因食谱相互引用导致的无限循环问题。
其他改进
除了上述主要功能外,v0.13.0 版本还包括以下改进:
-
在UI界面中增加了对食谱引用的支持,使得在图形界面中也能方便地查看和跳转引用的食谱。
-
优化了错误处理机制,当引用不存在的食谱时会给出清晰的错误提示。
-
修复了多个平台下的打包问题,确保在不同操作系统上都能正常安装和使用。
使用建议
对于想要尝试新版本的用户,建议先备份现有的食谱库,因为引用语法可能会影响现有食谱的解析。在编写引用时,要注意保持被引用食谱的路径正确,避免因路径问题导致引用失败。
总的来说,CookCLI v0.13.0 通过引入食谱引用功能,显著提升了处理复杂烹饪场景的能力,是食谱管理工具发展的重要一步。无论是家庭烹饪爱好者还是专业厨师,都能从这个版本中获得更好的使用体验。
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-1.5暂无简介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
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
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