Obsidian PDF++ 插件0.40.22版本发布:增强PDF阅读体验
Obsidian PDF++是Obsidian知识管理软件中一款专注于增强PDF阅读体验的插件。它为Obsidian用户提供了强大的PDF阅读、标注和内容提取功能,让PDF文档能够更好地融入知识管理的工作流中。
新功能与改进
本次0.40.22版本带来了几项实用的功能增强:
-
外部链接打开方式选择:现在当用户在PDF文件中右键点击外部链接时,可以看到Obsidian原生的"在默认浏览器中打开"命令。这一改进让用户能够自由选择链接是在Obsidian 1.8版本新增的"Web Viewer"核心插件中打开,还是在默认浏览器中打开。
-
自动粘贴内容前添加空行选项:在自动粘贴功能部分新增了"在追加内容前添加空行"的选项。这个小而实用的改进使得从PDF粘贴到Obsidian的内容排版更加清晰,有助于保持文档的结构化。
问题修复
开发团队针对用户反馈的几个关键问题进行了修复:
-
撤销了对Obsidian核心bug的修复:由于Obsidian团队已经在1.8.1版本中修复了"PDF复制选择链接在某些情况下无法正确复制链接"的问题,插件中相关的临时修复被撤销,以避免潜在的兼容性问题。
-
默认缩放级别修复:解决了在Obsidian 1.8.0及以上版本中"默认缩放级别"选项失效的问题,确保用户设置的默认缩放参数能够正确应用。
-
Windows平台虚拟文件创建问题:修复了在Windows系统中,当源URL包含"?"字符时,虚拟文件创建有时会失败的问题,提高了插件的稳定性和兼容性。
技术优化与内部改进
除了面向用户的功能改进外,本次更新还包含了一些技术优化:
-
调试信息输出优化:"PDF++: 复制调试信息"命令的输出现在改为单行格式,这使得在问题报告中查看调试信息更加清晰易读。
-
API暴露:内部使用的
PDFCroppedEmbed类现在被暴露为pdfPlus.lib.PDFCroppedEmbed,为开发者提供了更多扩展可能性。
总结
Obsidian PDF++ 0.40.22版本虽然在功能上没有重大突破,但通过细节优化和问题修复,进一步提升了PDF阅读和管理的体验。特别是对外部链接处理方式的改进,体现了插件与Obsidian核心功能的深度整合。这些看似小的改进实际上对日常使用体验有着显著提升,展现了开发团队对用户体验的持续关注。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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