ESLint Stylistic v2.13.0 版本发布:增强代码风格控制能力
ESLint Stylistic 是一个专注于代码风格规则的 ESLint 插件集合,它继承了原 ESLint 核心中的风格相关规则,并在此基础上进行了扩展和增强。该项目旨在为开发者提供更灵活、更强大的代码风格控制工具,帮助团队维护一致的代码风格。
新增特性亮点
key-spacing 规则新增 ignoredNodes 选项
在 v2.13.0 版本中,key-spacing 规则新增了 ignoredNodes 选项,允许开发者指定哪些 AST 节点类型应该被此规则忽略。这个改进特别有用当你在代码中使用了某些特殊结构,而这些结构的键值对间距需要保持原样时。
例如,如果你使用了某种特定的装饰器语法或实验性语法,现在可以通过配置 ignoredNodes 来避免这些结构被 key-spacing 规则检查。
no-extra-parens 规则新增 nestedConditionalExpressions 选项
no-extra-parens 规则现在引入了 nestedConditionalExpressions 选项,专门用于控制嵌套条件表达式(三元运算符)中的多余括号。这个选项让开发者可以更精细地控制何时允许或禁止在三元运算符中使用括号。
在实际开发中,嵌套的三元运算符往往难以阅读,适当地使用括号可以显著提高代码可读性。这个新选项允许团队根据自身需求决定是否允许在嵌套条件表达式中使用括号。
padded-blocks 规则新增 start 和 end 选项
padded-blocks 规则现在支持分别配置块开始和结束的空行要求。新增的 start 和 end 选项让开发者可以独立控制代码块开头和结尾是否需要空行。
这个改进特别适合那些希望在代码块开始处保持紧凑(不需要空行),但在结束时需要空行以提高可读性的团队。或者反过来,某些团队可能希望在代码块开始处有空行以突出新逻辑块的开始,但在结束时不需要空行。
重要问题修复
indent-binary-ops 规则修复
本次版本修复了 indent-binary-ops 规则中的两个重要问题:
-
现在能够正确处理
TypeAliasDeclaration(类型别名声明)的缩进。在 TypeScript 代码中,类型别名的缩进现在会被正确识别和处理。 -
改进了多行赋值语句的缩进处理。当赋值表达式跨越多行时,现在能够更准确地计算和验证操作符的缩进位置。
这些修复使得规则在处理复杂类型定义和多行表达式时更加可靠,减少了误报的可能性。
文档改进
本次发布还对文档进行了多项改进:
- 修复了文档中不正确的面包屑导航,提高了文档的可浏览性
- 修正了
indent规则中错误的选项描述,确保开发者能够准确理解各选项的作用
内部改进
项目内部进行了代码质量提升,将已弃用的 isSpaceBetweenTokens 方法替换为新的 isSpaceBetween 方法。这种内部重构虽然不影响功能,但有助于保持代码的现代性和可维护性。
总结
ESLint Stylistic v2.13.0 版本通过新增多个配置选项,为开发者提供了更精细的代码风格控制能力。特别是对 key-spacing、no-extra-parens 和 padded-blocks 规则的增强,使得团队可以根据自身需求定制更合适的代码风格规范。同时,对 indent-binary-ops 规则的修复提高了其在复杂场景下的可靠性。这些改进共同使得 ESLint Stylistic 成为一个更加强大和灵活的代码风格管理工具。
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