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。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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