Shiki v3.4.1 版本发布:语法高亮工具的功能增强与问题修复
Shiki 是一个基于 TextMate 语法的代码高亮工具,它能够为开发者提供高质量的语法高亮效果。与传统的代码高亮工具不同,Shiki 直接使用 VS Code 的主题和语法定义,因此能够提供与 VS Code 编辑器完全一致的代码高亮体验。
在最新发布的 v3.4.1 版本中,Shiki 团队带来了两个重要的功能增强和一个关键问题修复,进一步提升了开发者的使用体验。
新增语言别名支持
在 rehype 插件中新增了 langAlias 选项,这个功能允许开发者为编程语言定义别名。在实际开发中,我们经常会遇到同一个语言有多个名称的情况。例如,JavaScript 有时被简写为 JS,TypeScript 有时被简写为 TS。通过 langAlias 选项,开发者可以轻松地为这些语言设置别名,确保无论使用哪种名称都能正确触发语法高亮。
这个功能的实现方式非常灵活,开发者可以通过配置对象来定义语言别名映射关系。例如:
{
langAlias: {
'js': 'javascript',
'ts': 'typescript'
}
}
转义符号移除转换器增强
transformers 模块中的 transformerRemoveNotationEscape 转换器现在支持 rehype 插件使用。这个转换器的主要功能是移除代码中的转义符号,使得代码显示更加干净。在之前的版本中,这个功能只能在特定的上下文中使用,而现在它已经与 rehype 插件完全兼容,可以在更广泛的场景下使用。
这个改进特别适合那些需要在 Markdown 或 HTML 中展示代码示例的场景,开发者现在可以更方便地清理代码中的转义符号,提升代码示例的可读性。
VitePress Twoslash 插件问题修复
本次版本还修复了 VitePress Twoslash 插件中的一个重要问题。在之前的版本中,当 Twoslash 错误出现在行末时,插件会产生空的错误提示。这个问题现在已经得到解决,确保了错误提示的准确性和一致性。
Twoslash 是 Shiki 的一个强大功能,它能够在代码示例中显示 TypeScript 的类型信息和错误提示。这个修复使得 Twoslash 功能更加稳定可靠,特别是在教学文档或技术博客中展示 TypeScript 代码示例时。
总结
Shiki v3.4.1 虽然是一个小版本更新,但它带来的功能增强和问题修复都很有价值。语言别名支持使得语法高亮的配置更加灵活,转义符号移除转换器的增强提升了代码展示的质量,而 Twoslash 插件的修复则确保了开发者体验的稳定性。这些改进共同使得 Shiki 作为一个代码高亮工具更加完善和易用。
对于已经在使用 Shiki 的开发者,建议尽快升级到这个版本以获得更好的使用体验。对于新用户,现在也是一个很好的时机开始尝试这个强大的代码高亮工具。
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