Harper项目v0.20.0版本发布:语法检查工具的重大更新
Harper是一个开源的语法检查和写作辅助工具,它能够帮助开发者和写作者在编写文本时自动检测语法错误、拼写错误以及常见的写作问题。作为一个跨平台工具,Harper支持多种操作系统和编辑器集成,包括VS Code、Obsidian等流行编辑器。
核心功能改进
本次v0.20.0版本带来了多项重要改进,特别是在语法检查规则和用户体验方面:
-
牛津逗号检查:新增了对牛津逗号(serial comma)使用偏好的支持,用户可以根据自己的写作风格选择是否启用这一检查规则。牛津逗号是指在列举三个或更多项目时,在最后一个"and"或"or"前使用的逗号。
-
十六进制数字支持:开发者在编写技术文档或代码注释时经常会用到十六进制数字表示法,Harper现在能够正确识别和处理这类数字格式。
-
特殊词汇处理:改进了对"on"、"supposed to"等特殊词汇的处理逻辑,避免了之前版本中可能出现的误报情况。例如,修复了将"supposed to"错误地纠正为"suppose to"的问题。
-
货币格式检查:增强了货币符号与数字组合的检查逻辑,特别是处理不同小数位数的货币表示时更加准确。
用户体验优化
-
更友好的错误提示:当拼写检查只找到一个建议时,Harper现在会直接显示这个建议,而不是笼统地提示"可能有拼写错误"。
-
规则分类与说明:在matcher.rs文件中,开发者现在可以看到触发规则被清晰地分类,并附有详细的解释说明,这大大提高了代码的可维护性。
-
表单支持:新增了
harper-cli forms命令和just getforms工具,方便用户管理和使用预定义的检查表单。
技术架构改进
-
依赖管理:项目现在使用
just进行原生的依赖解析,简化了构建过程。 -
Unicode处理:Obsidian插件现在能够正确处理Unicode字符转换,解决了之前版本中可能出现的编码问题。
-
性能基准测试:新增了对Harper.js配置方法的基准测试,帮助开发者更好地理解和优化性能。
跨平台支持
Harper继续保持其出色的跨平台能力,本次更新提供了针对以下平台的预构建包:
- macOS (ARM64和x86_64)
- Linux (ARM64和x86_64)
- Windows (x86_64)
此外,VS Code扩展也针对不同平台提供了专门的VSIX安装包。
社区贡献
本次更新包含了来自多位贡献者的改进,特别值得一提的是新增了对"inclusivity"等词汇的支持,以及针对"long and behold"这一常见错误的专项检查规则。这些改进都源于社区成员的实际使用反馈。
Harper项目通过持续的迭代更新,正在成为一个越来越完善的写作辅助工具。无论是技术文档作者、博客写作者,还是日常需要撰写大量文本的用户,都能从Harper的智能检查功能中受益。v0.20.0版本的发布标志着该项目在准确性、可用性和可扩展性方面又向前迈进了一大步。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112