Obsidian Tasks 7.16.0版本发布:树视图增强与排序优化
2025-06-17 05:45:07作者:温玫谨Lighthearted
Obsidian Tasks是Obsidian笔记软件中广受欢迎的任务管理插件,它能够帮助用户在Markdown笔记中高效管理待办事项。该插件支持任务创建、查询、筛选和排序等功能,与Obsidian的笔记系统深度集成。
树视图复选框支持
在7.16.0版本中,Obsidian Tasks修复了一个关于树视图显示的重要问题。此前,当用户启用"show tree"功能时,非任务类型的复选框无法正确渲染。这个修复意味着现在树视图能够完整显示所有类型的复选框项目,包括:
- 标准的任务复选框
- 非任务性质的复选框项目
- 各种列表项中的复选框元素
这一改进使得用户在查看任务树形结构时,能够获得更加完整和一致的视觉体验,特别是在处理混合了任务和非任务内容的笔记时。
按行号排序功能
7.16.0版本正式文档化了一个备受期待的功能——按行号排序。用户现在可以通过在查询中使用sort by function task.lineNumber语法,来覆盖默认的排序顺序。
这一功能特别适用于以下场景:
- 当用户希望任务按照在源文件中的出现顺序显示时
- 需要保持特定逻辑顺序的任务列表
- 对任务进行编号或分组的特殊情况
按行号排序为任务管理提供了更精细的控制能力,让用户能够根据实际需求灵活调整显示顺序。
性能优化与内部改进
本次更新还包括多项底层架构的优化工作:
-
查询结果缓存:实验性地引入了对查询计算结果的缓存机制,这有望提升复杂查询的性能表现,特别是在处理大量任务时。
-
代码重构:
- 改进了ListItem类的结构,使其与Task类更加一致
- 优化了复选框状态切换的内部实现
- 增强了任务位置信息的处理方式
-
开发环境改进:
- 增加了对.svelte和json测试数据文件的预提交检查
- 优化了Windows系统和VS Code环境下的开发配置
这些内部改进虽然不会直接影响用户界面,但为插件的稳定性和未来功能扩展打下了更坚实的基础。
升级建议
用户升级到7.16.0版本后,建议完全退出并重新启动Obsidian,以确保所有新功能能够正确加载。这个版本保持了与之前版本的兼容性,不会影响现有的任务数据和查询设置。
Obsidian Tasks 7.16.0通过增强树视图显示和提供更灵活的排序选项,进一步提升了任务管理的便利性和可视化效果。这些改进,加上底层的性能优化,使得该插件在Obsidian生态系统中继续保持领先地位。
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
412
3.17 K
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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
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
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
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
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146