CSharpier 1.0.0 发布:C代码格式化工具的重大升级
CSharpier 是一个开源的 C# 代码格式化工具,它可以帮助开发者自动保持代码风格的一致性。该项目最近发布了 1.0.0 版本,带来了多项重要改进和新功能,标志着项目已经成熟稳定。
XML 文件格式化支持
1.0.0 版本最显著的新特性是增加了对 XML 文件的格式化支持。CSharpier 现在默认会尝试格式化以下类型的 XML 文件:
- .csproj 项目文件
- .props 属性文件
- .targets 目标文件
- .xml 通用 XML 文件
- .config 配置文件
对于 XML 文件,CSharpier 默认使用 2 个空格作为缩进大小,这与 C# 代码默认的 4 空格缩进不同。如果遇到无效的 XML 文件,CSharpier 会将其视为警告而非错误。
性能大幅提升
Timothy Makkison 对 CSharpier 的性能进行了重大优化。基准测试显示,新版本在速度和内存使用方面都有显著改进:
- 测试用例执行时间从 233.3ms 降至 64.72ms
- 复杂场景执行时间从 433.7ms 降至 137.83ms
- 内存分配从 101.41MB 降至 18.33MB(测试用例)
- 内存分配从 182.44MB 降至 30.78MB(复杂场景)
这些优化使得 CSharpier 在处理大型代码库时更加高效。
配置变更
TabWidth 重命名为 IndentSize
为了与 .editorconfig 保持一致,配置选项 TabWidth 已更名为 IndentSize。这个名称更准确地反映了默认使用空格而非制表符进行缩进的行为。
CLI 命令重构
CLI 接口经过重新设计,现在使用命令式结构,使参数与命令的对应关系更加清晰。主要命令包括:
dotnet csharpier format .:格式化代码dotnet csharpier check .:检查代码格式
这种改变提高了 CLI 的可用性和一致性。
工具命名变更
1.0.0 版本对工具名称进行了简化:
- 工具命令从
dotnet-csharpier改为csharpier- 本地工具用法不变:
dotnet csharpier --version - 全局工具新用法:
csharpier --version
- 本地工具用法不变:
- 程序集/可执行文件名从
dotnet_csharpier改为CSharpier
文件忽略规则改进
CSharpier 现在支持更智能的文件忽略机制:
- 会考虑 .gitignore 文件中的规则
- 如果存在 .csharpierignore 文件,其中的规则优先级更高
- 同一目录中的 .gitignore 优先级高于上级目录的 .gitignore
- .csharpierignore 中的规则采用与 .gitignore 相同的优先级逻辑
其他重要改进
日志格式支持
新增 --log-format 参数,支持两种日志格式:
- 默认的控制台格式
- MsBuild 格式(可在 Visual Studio 错误列表中跳转)
EditorConfig 支持增强
现在支持通过 --config-path 参数指定 .editorconfig 文件路径,提供了更灵活的配置方式。
文件系统监控优化
CSharpier 服务器模式不再为所有文件创建监控,改用临时空内容根目录,解决了某些系统文件监控资源耗尽的问题。
代码格式化质量改进
1.0.0 版本修复了多个代码格式化问题,包括但不限于:
- 全局语句中局部作用域块前的多余空行
- 括号表达式的不一致缩进
- 属性访问器上特性的不必要换行
- 注释掉的流畅接口方法链被错误压缩
- 泛型调用链中的注释导致的不必要换行
- 特性前注释导致的意外换行
- 大型 switch 表达式后方法调用的单行保持问题
- 单参数 lambda 表达式的不一致格式化
- XML 注释后的多余空行
- 原始字符串中非内容行的缩进处理
这些改进使得 CSharpier 的格式化结果更加一致和符合预期。
总结
CSharpier 1.0.0 是一个重要的里程碑版本,不仅增加了 XML 格式化支持,还大幅提升了性能,改进了配置系统和 CLI 体验,并修复了大量格式化问题。对于追求代码风格一致性的 C# 开发团队来说,升级到这个版本将带来更好的开发体验和更高的生产力。
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