Harper项目v0.37.0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和写作辅助工具,它能够帮助开发者和写作者在编写文本时自动检测语法错误、拼写错误以及提供写作风格建议。作为一个跨平台工具,Harper支持多种操作系统和开发环境,包括Chrome插件、VS Code扩展以及命令行界面。
核心功能增强
本次v0.37.0版本带来了多项重要改进,特别是在语法检查的准确性和语言支持方面。最值得关注的是新增了对Kotlin编程语言的注释支持,这使得Kotlin开发者在编写代码注释时也能获得语法检查服务。这一改进体现了Harper项目对开发者生态系统的持续关注和投入。
在语法检查算法方面,开发团队优化了多个常见场景的检测逻辑。例如,修正了"new"和"knew"在特定上下文中的误判问题,解决了"a very"被错误标记为"Avery"的情况,以及改进了"can not"作为复合名词的判断逻辑。这些改进显著减少了误报率,提升了用户体验。
新特性与改进
-
语法规则优化:新增了"take it personal"到"take it personally"的自动纠正功能,以及"maximum amount"和"maximum number"的智能建议。特别值得注意的是新增了"apart"和"a part"的区分检查,这两个常见易混淆词现在能够被准确识别和纠正。
-
黑名单逻辑重构:通过改进算法逻辑,大幅减少了误报情况。新的黑名单机制更加智能,能够更好地理解上下文,避免不必要的干扰。
-
句子首字母大写功能增强:现在执行句子首字母大写操作时会替换整个单词,而不是仅修改首字母,这解决了某些边缘情况下的格式问题。
-
测试覆盖扩展:新增了对Slate编辑器的端到端测试,并修复了GitHub文本区域中下划线定位的问题,提升了在复杂编辑器环境中的稳定性。
技术架构与构建改进
在构建系统方面,项目升级了criterion测试框架从0.5.1到0.6.0版本,这为性能测试和基准测试提供了更强大的工具支持。同时,开发团队还对lint规则进行了整理和去重,使代码质量检查更加高效和一致。
跨平台支持
Harper继续保持其出色的跨平台能力,为各种环境提供了预构建的二进制包:
- 命令行工具支持macOS(ARM/x86)、Linux(ARM/x86)和Windows平台
- VS Code扩展提供了macOS(ARM/x86)、Linux(ARM/x86)和Windows版本
- Chrome浏览器插件打包为标准的ZIP格式
总结
Harper v0.37.0版本通过多项语法检查算法的优化和新功能的加入,进一步巩固了其作为高质量写作辅助工具的地位。特别是对Kotlin语言的支持和对常见语法问题的改进,使得该工具在开发者社区和专业写作场景中都更具实用价值。随着测试覆盖率的提升和构建系统的改进,Harper在稳定性和可靠性方面也迈出了坚实的一步。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00