深入理解Dumi文档工具中Demo标题与侧边栏TOC的关联机制
2025-06-19 11:46:18作者:舒璇辛Bertina
在使用Dumi文档工具时,开发者可能会遇到一个有趣的现象:代码块中通过JSDoc注释定义的title属性会被自动渲染到侧边栏的目录(TOC)结构中。这一设计实际上体现了Dumi对文档结构自动化的巧妙处理,而非一个系统缺陷。
现象解析
当开发者在Markdown文件中嵌入代码示例时,通常会使用类似如下的JSDoc注释来定义Demo的元信息:
/**
* title: 读取状态
* description: 通过store.state.firstName直接读取状态
*/
按照预期,这些元信息应该仅用于控制Demo组件的展示方式。然而实际上,title属性会被Dumi同时用于两个地方:
- 作为Demo组件的标题显示在页面内容区域
- 作为目录项出现在侧边栏的TOC结构中
设计原理
这一行为源于Dumi对文档结构的自动化处理机制。Dumi将整个文档页面视为一个层次结构,其中包含:
- 主标题(H1)
- 子标题(H2-H6)
- 代码示例(Demo)
Dumi默认将Demo标题视为文档结构的一部分,与常规标题具有同等地位,因此会将其纳入TOC系统。这种设计有助于:
- 保持文档结构的完整性
- 提供更丰富的导航选项
- 增强文档的可浏览性
自定义配置方案
如果开发者不希望Demo标题出现在TOC中,可以通过以下两种方式调整:
方法一:修改tocDepth配置
在文档的frontmatter中增加tocDepth配置:
---
tocDepth: 2
---
这将限制TOC只显示到二级标题(H2),而Demo标题属于更深层级,因此不会被展示。
方法二:调整Demo的元数据
另一种方式是重新组织Demo的元数据,将关键信息放在description而非title中:
/**
* description: 读取状态 - 通过store.state.firstName直接读取状态
*/
这种方式下,Demo将使用默认标题,不会影响TOC结构。
最佳实践建议
- 对于重要的、需要突出展示的Demo,建议保留title属性,利用TOC增强可发现性
- 对于辅助性的、次要的Demo示例,可以使用description-only的方式
- 合理规划文档结构,使TOC既能提供有效导航,又不会过于冗长
- 在大型文档项目中,统一团队对Demo标题的使用规范
通过理解这些机制,开发者可以更有效地利用Dumi的自动化功能,创建结构清晰、易于导航的技术文档。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492