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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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