Stylelint 16.17.0版本发布:CSS代码质量工具再升级
项目简介
Stylelint是一款强大的现代CSS代码检查工具,它可以帮助开发者保持一致的代码风格,避免错误,并强制执行最佳实践。作为一款高度可配置的工具,Stylelint支持最新的CSS语法,包括自定义属性、嵌套规则等特性,并能够与各种构建工具和编辑器集成。
新版本亮点
新增规则:layer-name-pattern
16.17.0版本引入了一个全新的规则layer-name-pattern,用于规范CSS层(@layer)的命名模式。CSS层是CSS Cascading and Inheritance Level 5规范中引入的重要特性,允许开发者显式控制样式的层叠顺序。新规则可以确保团队遵循统一的层命名约定,提高代码可维护性。
增强的编辑信息支持
本次更新新增了--compute-edit-info命令行标志,并在三个规则中实现了对EditInfo的支持:
declaration-block-no-redundant-longhand-properties:检测冗余的长手属性function-url-quotes:规范URL函数的引号使用selector-attribute-quotes:规范属性选择器的引号使用
这些改进特别有利于构建自动化修复工具和编辑器集成,为开发者提供更智能的代码修复建议。
规则功能增强
length-zero-no-unit规则新增了ignorePreludeOfAtRules选项,允许开发者配置在哪些@规则的前导部分忽略零长度单位的检查。这在处理某些特定CSS特性时提供了更大的灵活性。
语言选项支持扩展
两个核心规则现在支持通过languageOptions进行配置:
at-rule-no-unknown:可自定义允许的@规则property-no-unknown:可自定义允许的CSS属性
这使得Stylelint能够更好地适应项目特定的CSS扩展和预处理器的使用场景。
问题修复
修复了custom-property-pattern规则在检查@property规则前导部分时的错误检测问题,提高了规则检测的准确性。
技术意义
这次更新体现了Stylelint项目对CSS新特性的持续跟进和对开发者体验的重视。特别是EditInfo支持的引入,标志着Stylelint从单纯的代码检查工具向更智能的开发辅助工具演进。新增的规则和配置选项也反映了CSS生态系统的快速发展,以及Stylelint团队对开发者需求的敏锐把握。
对于前端开发者而言,升级到16.17.0版本将获得更精确的代码检查能力和更灵活的配置选项,有助于提升CSS代码质量和开发效率。特别是对于那些使用最新CSS特性的项目,新版本提供了更好的支持。
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