Shiki v3.0.0 发布:现代化代码高亮引擎的重大更新
Shiki 是一个基于 TextMate 语法的代码高亮引擎,它能够为开发者提供精准且美观的代码高亮效果。与传统的代码高亮工具不同,Shiki 直接使用 TextMate 语法文件(.tmLanguage),这意味着它可以支持 VS Code 支持的所有语言和主题,提供与编辑器一致的高亮体验。
重大变更
Shiki v3.0.0 带来了几项重要的破坏性变更,开发者需要特别注意:
-
移除废弃 API:为了保持代码库的简洁和现代化,v3.0.0 版本移除了之前版本中标记为废弃的 API。这意味着如果项目中仍在使用这些 API,升级后将会出现错误。
-
放弃 Node 10 支持:随着 Node.js 生态系统的演进,Shiki 不再支持 Node 10 的 TypeScript 解析。这一变更反映了现代 JavaScript 生态系统的需求,鼓励开发者使用更新的 Node.js 版本。
-
Twoslash 默认模块解析策略变更:Twoslash(Shiki 的一个功能模块)现在默认使用
bundler作为模块解析策略,这更好地反映了现代前端构建工具的工作方式。
核心改进
转换器(Transformers)优化
-
多余换行符处理:修复了在某些情况下会生成多余换行符的问题,使得代码块的渲染更加精确。
-
注释匹配增强:现在能够正确处理嵌套注释的情况,解决了在某些语言中注释内包含注释时的高亮问题。
-
单词高亮匹配优化:改进了单词高亮功能的匹配算法,现在能够更准确地定位和突出显示代码中的特定单词。
技术影响分析
对于开发者而言,升级到 Shiki v3.0.0 需要注意以下几点:
-
迁移成本:由于移除了废弃 API,项目需要检查并更新相关代码。建议开发者查阅变更日志,了解具体哪些 API 被移除。
-
构建环境要求:不再支持 Node 10 意味着开发和生产环境需要升级到更新的 Node.js 版本(建议至少使用 Node 14 或更高版本)。
-
Twoslash 行为变化:默认模块解析策略的变更可能会影响一些特殊用例,开发者需要测试相关功能是否按预期工作。
升级建议
对于正在使用 Shiki 的项目,建议采取以下步骤进行升级:
-
首先检查项目是否使用了任何废弃 API,并进行相应替换。
-
确保构建环境满足新的 Node.js 版本要求。
-
全面测试代码高亮功能,特别是使用了 Twoslash 或自定义转换器的部分。
-
对于大型项目,可以考虑分阶段升级,先升级到最新 v2.x 版本,再迁移到 v3.0.0。
Shiki v3.0.0 的这些变更虽然带来了一些升级成本,但它们为项目的长期维护和性能优化奠定了基础,同时也更好地适应了现代 JavaScript 生态系统的发展趋势。
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