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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00