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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00