Harper项目v0.30.0版本发布:语法检查工具的重大更新
Harper是一款开源的语法检查工具,专注于帮助开发者和写作者发现并修正英语文本中的语法错误、拼写错误和用词不当等问题。该项目提供了多种形式的工具,包括命令行工具、语言服务器以及编辑器插件,可以集成到各种开发环境中使用。
本次发布的v0.30.0版本带来了多项功能增强和问题修复,进一步提升了工具的准确性和用户体验。以下是本次更新的主要技术亮点:
语法规则增强
新版本在语法规则检测方面有多项重要改进。首先,工具现在能够更准确地处理"let/lets/let's/let us"等表达方式,减少了误报情况。其次,新增了对"have past"→"have passed"这类常见错误的检测能力。
特别值得注意的是,本次更新增加了对澳大利亚英语特有表达方式的支持,通过添加"_"后缀标注来识别澳式英语的词汇变体。这一改进使得工具能够更好地服务于使用澳式英语的用户群体。
常见错误模式检测
开发团队针对多个常见的错误模式进行了优化。新增的检测规则包括:
- "worse-case scenario"→"worst-case scenario"的修正
- "incase"→"in case"的修正
- "client's side"→"client-side"和"server's side"→"server side"的修正
这些改进显著提升了工具对技术文档和开发相关文本的处理能力,特别适合软件开发者和技术写作者使用。
开发者体验优化
在开发者工具方面,本次更新包含多项改进。语言服务器现在支持方言指示器功能,可以帮助用户了解当前使用的英语变体。此外,代码库中新增了t_ws()作为then_whitespace()的简写形式,与现有的t_aco()风格保持一致,提高了规则编写的便捷性。
构建系统也有所改进,现在可以更方便地运行测试和基准测试。对于Obsidian插件用户,新增了贡献者指南,并修复了控制台污染问题,提升了开发体验。
多平台支持
Harper继续保持对多种平台的良好支持,包括:
- macOS(ARM64和x86_64架构)
- Windows(x86_64架构)
- Linux(多种架构和libc实现)
用户可以根据自己的系统环境选择合适的预编译二进制文件或编辑器插件进行安装。
总结
Harper v0.30.0版本通过增强语法规则检测能力、优化开发者体验和完善多平台支持,进一步巩固了其作为专业语法检查工具的地位。对于技术写作者、开发者和任何需要高质量英文写作的用户来说,这个版本都值得升级。
项目团队持续关注用户反馈并积极改进产品,展现了良好的开源项目维护态度。随着更多语法规则和功能的加入,Harper有望成为英语写作辅助工具中的重要选择。
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-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