新闻详情

新闻详情

首页 / 资讯中心 / 详情

UltraEdit 两个有用的配置:垂直/水平分割窗口与取消生成备份文件(附 TaoToken 统一 Key 接入)

发布时间:2026/11/13 5:23:10来源:尧图网络
UltraEdit 两个有用的配置:垂直/水平分割窗口与取消生成备份文件(附 TaoToken 统一 Key 接入)
1. UltraEdit 里两个被低估的配置分割窗口与备份文件UltraEdit 是一款老牌文本编辑器处理大文件、十六进制、列编辑都很稳但很多人装完就用默认配置结果一边写代码一边被两件事拖慢想同时看两个文件却只能来回切标签以及每次保存都悄悄多出一个.bak文件把目录搞乱。这篇就聚焦这两个配置——垂直/水平分割窗口和取消生成备份文件给出可复制的菜单路径与配置项再顺手把 TaoToken 统一 Key 接进 AI 辅助工具的 settings.json让编辑器和 AI 通道一次性配好。适合谁看刚上手 UltraEdit 的新人、从其他编辑器迁移过来的人以及想让本地编辑器和 AI 编码助手协同工作的开发者。全程按菜单点不需要记复杂命令配置完立刻能验证效果。2. 前置准备TaoToken 统一 Key 与 API 通道在动 UltraEdit 之前先把 AI 侧的通道准备好这样后面配 settings.json 时不用来回找。TaoToken 提供统一的 API 入口一个 Key 可以给多个 AI 工具复用省去每个工具单独配一遍的麻烦。你需要拿到两样东西API Key 和 API 地址。Key 在控制台的 API Keys 页面创建地址统一用https://taotoken.net/api。创建 Key 的入口在这里控制台创建 Keyhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite如果你还没决定用哪个模型可以先在模型对话页面试一下确认通道通不通模型对话体验https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite长期做编码或跑 Agent 的话Coding Plan 更划算后面 settings.json 里也是填同一套 KeyCoding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite接入文档在需要查参数时翻一下接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteKey 拿到后先别急着填等 UltraEdit 配完再一起验证避免两边都出问题不好定位。3. UltraEdit 垂直/水平分割窗口配置UltraEdit 的分割窗口不是拖拽式的而是通过菜单命令触发理解这一点能少走弯路。它的逻辑是先把当前编辑区切成两块再决定是左右分垂直还是上下分水平。3.1 菜单路径与操作步骤打开 UltraEdit随便开一个文件按下面的路径走菜单栏 → 高级 → 配置 → 编辑器显示 → 分割窗口在这个面板里你会看到分割方向的选项。垂直分割是左右两块适合对照两个文件的同一段逻辑水平分割是上下两块适合上面看代码下面看日志或输出。实际操作更快的办法是用窗口菜单里的分割命令菜单栏 → 窗口 → 垂直分割窗口 菜单栏 → 窗口 → 水平分割窗口点完之后编辑区立刻变成两块每块可以独立滚动、独立打开文件。想取消分割就再点一次对应命令或者点「窗口 → 取消分割」。3.2 多文件对照的实用场景垂直分割最典型的用法是对照两个版本的同一文件。比如你改了config.json想和备份对比左边开新版右边开旧版滚动条各自独立不用来回切标签。水平分割适合看长日志。上面开app.log下面开error.log一边翻一边定位眼睛不用大范围移动。这里有个细节分割后两块共享同一个文件列表但各自有独立的当前文件。也就是说你可以在左块开 A 文件右块开 B 文件互不干扰。这个特性在 UltraEdit 里叫「多视图」配置面板里可以设默认分割方向。3.3 配置项对照表配置项位置作用建议值分割方向高级→配置→编辑器显示→分割窗口决定垂直还是水平按习惯选对照文件选垂直分割后同步滚动窗口→同步垂直滚动两块一起滚对照同文件时开多视图默认高级→配置→编辑器显示新窗口是否分割关需要时手动开同步滚动这个选项很实用对照同一文件的两个位置时打开滚一边另一边跟着动省得手动对齐。4. 取消生成备份文件.bak配置UltraEdit 默认每次保存都会生成一个.bak备份文件本意是防丢数据但在 Git 仓库或大项目里这些文件会污染目录git status里一堆未跟踪文件看着就烦。关掉它很简单。4.1 菜单路径与搜索关键词菜单栏 → 高级 → 配置 → 文件处理 → 备份在这个面板里找到「保存时创建备份文件」的勾选项取消勾选即可。如果你在配置面板里找不到用配置窗口顶部的搜索框输入「备份」或「backup」会直接定位到相关项。配置项名称在不同版本里略有差异常见的有保存时创建备份文件Create backup file on save备份文件扩展名默认.bak取消勾选后点「应用」再点「确定」。之后保存文件就不会再生成.bak了。4.2 验证是否生效改完配置后打开一个测试文件随便改几个字符然后保存。去文件所在目录看一眼如果没有多出.bak文件说明配置生效了。如果你之前已经生成了一堆.bak可以手动清理。在项目根目录执行find . -name *.bak -type f -delete这条命令会递归删除当前目录下所有.bak文件。执行前建议先find . -name *.bak看一眼列表确认没有误伤再删。注意关掉备份后UltraEdit 的撤销历史仍然可用但跨会话的恢复能力会弱一些。如果你处理的是重要文件建议靠 Git 或外部备份来兜底而不是依赖.bak。5. TaoToken 统一 Key 接入 settings.json 骨架UltraEdit 本身不直接调 AI但很多人会配合支持 OpenAI 兼容接口的 AI 编码工具使用。这里给一个通用的 settings.json 骨架把 TaoToken 的统一 Key 和 API 地址填进去工具就能走同一条通道。5.1 settings.json 骨架{ ai.provider: openai-compatible, ai.baseUrl: https://taotoken.net/api, ai.apiKey: 你的_TaoToken_Key, ai.model: claude-3-5-sonnet, ai.maxTokens: 4096, ai.temperature: 0.2 }几个字段说明baseUrl固定填https://taotoken.net/api不要加多余路径apiKey填你在控制台创建的那串model按你实际要用的模型名填接入文档里有完整列表。temperature做编码建议设低一点0.2 左右输出更稳定。5.2 验证请求是否通填完配置后用一条最简单的请求验证通道。在终端里执行curl https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer 你的_TaoToken_Key \ -d { model: claude-3-5-sonnet, messages: [{role: user, content: 回复 ok}] }如果返回里能看到模型回复的内容说明 Key 和地址都对。返回 401 就是 Key 错了返回 404 多半是地址路径写错检查是不是多加了/v1之外的东西。5.3 在 AI 工具里确认生效把 settings.json 放到对应工具的配置目录后重启工具发一条测试消息。如果工具能正常返回内容说明整条链路通了。这时候你可以在 UltraEdit 里写代码切到 AI 工具里问问题两边用同一套 Key不用重复配置。6. 本篇常见错排查配置过程中容易踩几个坑这里集中说一下。分割窗口点了没反应检查当前是不是只有一个文件打开。UltraEdit 的分割是针对编辑区的如果文件没打开或者焦点不在编辑区命令可能不生效。先点一下编辑区再操作。取消备份后还有 .bak可能是配置没点「应用」就关了窗口或者你改的是另一个配置节点。重新进「高级→配置→文件处理→备份」确认勾选状态改完必须点应用。settings.json 不生效先确认文件路径对不对不同工具读的目录不一样。其次检查 JSON 格式多一个逗号或少一个引号都会导致解析失败。可以用在线 JSON 校验工具过一遍。curl 返回 401Key 复制时带了空格或者 Key 已经失效。去控制台重新创建一个复制时注意别带首尾空格。curl 返回超时检查网络能不能访问taotoken.net以及baseUrl是不是写成了带 UTM 参数的地址。API 地址就是https://taotoken.net/api不要加其他后缀。模型名报错model字段填的名字必须和接入文档里的一致大小写敏感。不确定就用文档里的默认模型名先测通再换。7. 配好之后编辑器和 AI 通道的协同UltraEdit 的分割窗口和取消备份这两个配置改完一次就长期受益。垂直分割让你对照文件不用切标签取消.bak让目录保持干净配合 Git 管理更清爽。AI 侧用 TaoToken 统一 Key好处是一个 Key 走多个工具settings.json 里填一次换工具时只改配置目录不改 Key。需要长期跑编码任务的话Coding Plan 的额度比按量更省心Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteKey 管理和新建入口API Keyshttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite参数细节查文档接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite我自己的习惯是UltraEdit 负责本地编辑和大文件处理AI 工具负责生成和审查两边通过同一套 Key 打通。配置一次后面基本不用再动。如果你也在用 UltraEdit先把这两个配置改了再按上面的 settings.json 骨架接上通道十分钟能全部搞定。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉