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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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