VSCode C 扩展 v2.72.34 版本深度解析
作为微软官方推出的 Visual Studio Code C# 语言扩展,这个工具为开发者提供了强大的 C# 语言支持,包括智能感知、代码导航、重构等功能。最新发布的 v2.72.34 版本主要针对 Razor 场景中的回归问题进行了修复,同时包含了一系列功能改进和性能优化。
核心修复与优化
本次发布的 v2.72.34 版本主要包含三个关键修复:
-
忽略无变更的 C# 文件更新:优化了文件更新处理逻辑,避免对内容未实际改变的 C# 文件进行不必要的处理,提升了整体性能。
-
Razor 补丁修复:针对 Razor 视图引擎中的特定问题进行了修复,确保在混合 HTML 和 C# 代码的场景下能够正常工作。
-
构建诊断请求优化:现在仅对打开的 C# 文件发送构建诊断 ID 请求,减少了不必要的网络通信和资源消耗。
版本演进历程
从 v2.69 到当前版本,C# 扩展经历了一系列重要更新:
Razor 引擎改进
- 升级至 .NET 9 预览版,带来更好的性能和兼容性
- 改进了代码操作排序和清理逻辑
- 修复了空表达式在 MVC 中的 pragma 生成问题
- 优化了文本区域格式化引擎
Roslyn 编译器集成
- 新增空条件赋值操作符支持
- 改进了默认命名空间设置和文档文件夹处理
- 修复了主构造函数的命名空间移动问题
- 优化了原始字符串补全功能
- 改进了语义标记处理和测试代码一致性
XAML 工具更新
- 回滚至更稳定的 XAML 工具版本 17.14.35913.250
- 后续又更新至 17.14.35920.284 版本,带来更好的 XAML 编辑体验
开发者体验优化
-
SDK 安装体验:现在使用新的 SDK 安装流程(当可用时),简化了开发环境配置。
-
资源生成命令:仅在扩展激活时启用"生成资源"命令,避免无效操作。
-
实验性 API:新增了
sendRequestWithProgress作为实验性 API,为高级用户提供更多控制能力。 -
问题报告:优化了 Razor 问题报告的措辞,使其更清晰易懂。
性能与稳定性
- 重构了分析器程序集加载机制,提高了扩展启动速度
- 避免了向主机分析器数组添加重复的抑制器
- 修复了运行解决方案代码分析时不报告结果的问题
- 优化了查找引用操作时的文件筛选逻辑
总结
VSCode C# 扩展的这次更新虽然是一个服务版本,但包含了对开发者日常工作流程有实质性影响的改进。特别是对 Razor 场景的修复和 Roslyn 编译器的优化,将显著提升混合语言开发的体验。性能方面的多项优化也使得这个轻量级的 C# 开发环境更加高效可靠。
对于使用 Visual Studio Code 进行 .NET 开发的团队来说,及时升级到这个版本将获得更稳定、更高效的开发体验,特别是在 ASP.NET Core 和跨平台开发场景中。
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