2026年6月29日1约 728 字3 分钟阅读

Markdown 渲染模块验收:14 类高级语法全量测试

覆盖全部 14 类自定义高级 Markdown 语法的验收测试文章,包括 Callout、Mermaid、Live Demo、数学公式、引用、折叠块、时间轴等。

1. Callout(提示框)

五种类型的提示框:

NOTE

补充说明 这是一个 NOTE 类型的提示框,天蓝色背景。

TIP

性能优化建议 使用 React.memo 包裹纯展示组件可避免不必要的重渲染。 配合 useMemo 缓存计算结果效果更佳。

WARNING

破坏性变更 从 v2.0 开始,createStore API 签名已变更,旧写法将抛出运行时错误。

DANGER

安全风险 永远不要在客户端代码中硬编码 API 密钥。

INFO

背景知识 RSC 的核心思想是将渲染拆分为服务端和客户端两个阶段。

2. Mermaid(图表)

流程图

Mermaid

Full view

时序图

Mermaid

Full view

3. Math(数学公式)

爱因斯坦质能方程 E=mc2E = mc^2E=mc2 揭示了质量与能量的等价关系。

贝叶斯定理:

P(AB)=P(BA)P(A)P(B)P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}P(AB)=P(B)P(BA)P(A)

矩阵运算:

[abcd]×[ef]=[ae+bfce+df]\begin{bmatrix} a & b \\ c & d \end{bmatrix} \times \begin{bmatrix} e \\ f \end{bmatrix} = \begin{bmatrix} ae + bf \\ ce + df \end{bmatrix}[acbd]×[ef]=[ae+bfce+df]

4. Live Demo(交互式沙箱)

React Counter

5. Image Attributes(图片属性)

50% 宽度居中:

33% 宽度左对齐无圆角:

6. Image Gallery(宫格图)

7. Reference(结构化参考文献)

Transformer 架构由 Vaswani 等人提出 1,彻底改变了 NLP 领域。工程实现可参考官方文档 2

8. Footnote(脚注)

React Server Components1 通过将渲染拆分到服务端来减少客户端 bundle 大小。 这一架构灵感来自 PHP 的请求处理模型2

9. Code Group(多语言 Tab)

1import requests
2 
3response = requests.get("https://api.example.com/data")
4data = response.json()
5print(data)

10. Details(折叠块)

点击查看详细配置说明

以下是完整的配置参数说明:

  • timeout: 请求超时时间(毫秒)
  • retries: 重试次数
  • baseUrl: API 基础路径
json
{
  "timeout": 5000,
  "retries": 3
}
常见问题 FAQ

A: 开启 debug 模式即可查看详细日志。

A: 支持所有现代浏览器(Chrome 90+、Firefox 88+、Safari 14+)。

11. Timeline(时间轴)

2024-01
项目启动
团队组建完成,确定技术栈和架构方案。
2024-03
第一版上线
完成核心功能开发,包括用户认证、数据管理、API 接口。
2024-06
性能优化
数据库查询优化,API 响应时间从 800ms 降至 120ms。
2024-09
国际化支持
支持中文、英文、日文三种语言。

12. 标准 Markdown 语法

表格

功能状态说明
FrontmatterYAML 元数据
Callout5 种类型
Mermaid流程图 + 时序图
Live DemoReact + Tailwind
Math行内 + 块级

列表

  • 无序列表项 1
  • 无序列表项 2
    • 嵌套项
  1. 有序列表项 1
  2. 有序列表项 2

行内代码

使用 npm install 安装依赖,然后运行 npm run dev

引用

这是一段引用文本。 可以有多行。

分割线


复选框

  • 已完成项
  • 未完成项

Footnotes

  1. Dan Abramov, "RFC: React Server Components", 2020.

  2. 参见 Laravel 的 Blade 模板引擎如何将 HTML 生成完全放在服务端。

参考文献

  1. Attention Is All You NeedVaswani et al. · NeurIPS 2017 · 论文提出了 Transformer 架构,奠定了现代大模型的基础。
  2. PyTorch Transformer 官方文档pytorch.org · 文档