RoslynPad项目中禁用自动插入using指令的方法
RoslynPad作为一款基于Roslyn的代码编辑器,提供了强大的代码补全功能。其中一项默认行为是在用户选择未导入命名空间的类时,自动添加对应的using指令。虽然这一功能对大多数开发者来说非常便利,但在某些特定场景下,用户可能希望禁用这一行为。
问题背景
在RoslynPad的代码补全过程中,当用户选择一个尚未导入命名空间的类时,编辑器会自动在文件顶部添加相应的using指令。这一行为由Roslyn底层实现控制,但默认情况下RoslynPad并未提供关闭此功能的选项。
技术原理
这一功能的核心控制参数是Roslyn中的ShowItemsFromUnimportedNamespaces选项。当该选项设置为true时(默认值),代码补全列表会显示未导入命名空间中的类型,并在用户选择时自动添加using指令;若设置为false,则补全列表仅显示已导入命名空间中的类型。
解决方案
要在RoslynPad中禁用自动添加using指令的功能,可以通过以下两种方式实现:
1. 修改源码方案
通过扩展Roslyn的CompletionService,创建一个新的获取补全列表的方法:
public static class CompletionProviderExtensions
{
public static Task<CompletionList> GetCompletionsImportedOnlyAsync(
this CompletionService service,
Document document,
int caretPosition,
CompletionTrigger trigger = default,
ImmutableHashSet<string>? roles = null,
OptionSet? options = null,
CancellationToken cancellationToken = default)
{
var completionOptions = CompletionOptions.Default with
{
ForceExpandedCompletionIndexCreation = true,
ShowItemsFromUnimportedNamespaces = false
};
var passThroughOptions = options ?? document.Project.Solution.Options;
return service.GetCompletionsAsync(
document,
caretPosition,
completionOptions,
passThroughOptions,
trigger,
roles,
cancellationToken);
}
}
然后在RoslynCodeEditorCompletionProvider中将原有的GetCompletionsAsync调用替换为新方法:
var data = await completionService.GetCompletionsImportedOnlyAsync(
document,
position,
completionTrigger
).ConfigureAwait(false);
2. 等待官方支持
根据项目维护者的建议,更理想的解决方案是向RoslynPad提交PR,添加一个用户可配置的设置项来控制这一行为。这将为所有用户提供更友好的配置方式,而不需要自行修改源码。
应用场景
禁用自动添加using指令的功能在以下场景中特别有用:
- 教学演示时,希望明确展示命名空间的导入过程
- 代码规范要求手动管理所有using指令
- 在特定代码库中避免意外的命名空间导入
总结
虽然RoslynPad默认开启了自动添加using指令的功能,但通过简单的代码修改即可禁用这一行为。开发者可以根据自己的需求选择临时修改方案或等待官方支持更完善的配置选项。理解这一机制也有助于更好地利用Roslyn的代码补全功能,提高开发效率。
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