Harper 0.26.0版本发布:拼写检查工具的全面升级
Harper是一款开源的拼写检查工具,它能够帮助开发者在代码、文档和其他文本内容中快速发现并修正拼写错误。作为一个轻量级但功能强大的工具,Harper支持多种编程语言和文本格式,并且可以集成到各种开发环境中使用。
核心功能改进
最新发布的0.26.0版本带来了多项重要改进。首先是对用户词典处理的优化,现在可以正确处理包含空行和注释的dictionary.dict文件。这一改进使得维护自定义词典变得更加灵活和方便。开发者可以在词典文件中添加注释说明特定词汇的用途或来源,同时使用空行来组织词汇分类,大大提高了词典的可维护性。
另一个值得注意的功能是新增了对"spellchecker:ignore"注释的支持。当Harper遇到以这个特殊注释开头的行时,会自动忽略该行的拼写检查。这对于需要临时禁用某些行的检查或者包含特殊术语的情况非常有用。
新增拼写检查规则
0.26.0版本引入了多个新的拼写检查规则,进一步提升了工具的准确性:
- 新增了对"as far back as"短语的检查,会自动建议替换错误的"as early back as"用法
- 增加了对"explanation mark/point"的检查,会建议使用正确的"exclamation"术语
- 修正了"in anyway"到"in any way"的自动建议
- 新增了对"each and everyone"错误用法的检查
- 扩展了"get rid off"的检查范围,现在也能捕获"get ride of"这类错误
这些新增规则基于常见的拼写错误模式,能够有效提高文本的准确性。
性能与稳定性提升
在底层架构方面,0.26.0版本也做出了重要改进。PatternLinter缓存现在能够正确存储spans,解决了之前版本中可能出现的一些边界情况问题。同时,断言机制得到了增强,现在可以处理重叠的建议,这为更复杂的拼写检查场景提供了支持。
对于AvoidContraction规则的模糊性也进行了优化,减少了误报的情况。这些底层改进虽然对终端用户不可见,但显著提升了工具的稳定性和准确性。
开发者体验优化
针对开发者体验,新版本也做出了多项改进:
- 命令行工具的
just addnoun命令现在会自动插入新行,简化了词典维护工作 - 增加了对shebang行的自动忽略,避免在脚本文件开头产生不必要的警告
- 改进了对非存在.git文件的处理,增强了健壮性
- 现在支持VS Code中的untitled/unsaved文件检查
这些改进使得开发者在使用Harper时能够获得更流畅的体验。
跨平台支持
Harper 0.26.0继续保持了优秀的跨平台支持,提供了针对多种操作系统和架构的预编译二进制包,包括:
- macOS (ARM64和x86_64)
- Linux (多种发行版和架构)
- Windows
语言服务器协议(LS)的实现也得到了更新,确保在各种IDE和编辑器中的稳定运行。
总结
Harper 0.26.0版本在功能、性能和用户体验方面都做出了显著改进。新增的拼写检查规则和词典处理优化使得它能够捕获更多类型的错误,同时保持较低的误报率。底层架构的改进则为未来的功能扩展奠定了更坚实的基础。
对于已经在使用Harper的团队,升级到0.26.0版本将获得更准确和可靠的拼写检查体验。对于新用户,这个版本也提供了更完善的功能和更友好的使用方式,是开始使用Harper的好时机。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00