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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00