Dumi 2.4.20 版本发布:优化文档标题处理与代码展示体验
Dumi 是一个基于 Umi 的 React 组件研发工具,专注于为开发者提供优秀的文档体验。它特别适合用于组件库开发、工具文档编写等场景,通过简洁的配置和强大的功能,帮助开发者快速构建专业的技术文档网站。
标题属性支持优化
在本次 2.4.20 版本中,Dumi 修复了标题标签中 id 属性的处理问题。现在,当开发者在 markdown 文档中为标题指定 id 属性时,Dumi 会正确保留这些属性。例如:
## 安装指南 {#install}
这样的写法将生成带有指定 id 的标题元素,这对于文档内部跳转和 SEO 优化都非常有帮助。这项改进使得文档的锚点定位更加精准,提升了文档的可访问性和用户体验。
代码块语言标识增强
新版本为代码块添加了语言标识徽章,这是一个显著的视觉改进。当你在文档中插入代码片段时:
```jsx
import React from 'react';
```
Dumi 现在会在代码块右上角显示"JSX"的标签,清晰标识代码语言类型。这一改进使得文档中的代码示例更加专业和易于识别,特别是当文档中包含多种编程语言的代码示例时,读者可以快速了解当前代码块的语言类型。
数组类型处理修复
在自动生成 API 文档的功能中,Dumi 改进了对特定数组类型的处理逻辑。当组件 propTypes 或 TypeScript 类型定义中包含复杂数组类型时,如:
interface Props {
items: Array<{ name: string; value: number }>;
}
新版本能够更准确地解析和展示这类类型定义,确保自动生成的 API 文档更加完整和准确。这对于维护大型组件库的开发者来说尤为重要,因为它能保证文档与代码实现保持同步。
升级建议
对于正在使用 Dumi 的项目,建议通过以下命令升级到最新版本:
npm install dumi@2.4.20
# 或
yarn add dumi@2.4.20
这次更新属于小版本迭代,主要包含功能优化和问题修复,不会引入破坏性变更。新加入的语言标识徽章功能可能会轻微影响现有文档的视觉布局,但不会改变其功能行为。
Dumi 持续关注开发者体验,这些小而美的改进累积起来,使得它成为 React 生态中文档工具的优秀选择。无论是个人项目还是企业级组件库,Dumi 都能提供专业、高效的文档解决方案。
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