Quarto 1.5 发布了！你可以在下载页面找到当前版本。
下面，我们将重点介绍改进的 Typst 支持、网站增强功能（如草稿处理和公告栏）、原生的 Julia 引擎，以及几个用于生成占位符内容的短代码。你可以在发布说明中查看所有更改。
Typst CSS
我们已经在一篇博文中介绍了 1.5 版本中可用的一个功能：Typst 中的精美表格。代码中生成的 HTML 表格的 CSS 属性被转换为 Typst 属性，因此你为 HTML 精心制作的表格在使用 format: typst 生成的 PDF 中看起来同样美观。
除了表格之外，div 和 span 上的 CSS 属性也被转换为 Typst 属性。例如，你可以得到带有绿色背景的文本：
这里是一个[带有绿色背景的 span]{style="background-color:green"}。你可以在Typst 基础：Typst CSS中阅读更多关于在 Typst 中使用 CSS 的内容。
改进的网站草稿支持
draft 帖子Quarto 1.5 带来了对涉及草稿帖子和页面的工作流程的改进支持：
在
website键中添加了drafts选项，提供了指定草稿的新方式：直接在_quarto.yml中，以及通过元数据包含和配置文件。在
website键中引入了draft-mode选项，以控制草稿的渲染方式。草稿可以是gone、unlinked或visible。为渲染的草稿页面添加了草稿横幅。
改进了草稿文档的链接行为。现在，除了从搜索结果、列表和站点地图中排除之外，当
draft-mode为gone或unlinked时，草稿不会出现在导航中，也不会在文本超链接中被链接。更改了
quarto preview对草稿的行为。无论draft-mode设置如何，草稿在预览中都是visible的。特别是，这允许更轻松地预览草稿内容在导航和列表中的外观。
在网站草稿中阅读更多内容。
网站公告
你现在可以使用 announcement 选项在网站顶部添加一个可自定义的横幅。你可以设置图标、使其可关闭，并包含粗体文本等 Markdown 格式的内容：
在网站工具：公告栏中了解你的选项。
原生 Julia 引擎
在 1.5 版本之前，Julia 代码单元是通过 Jupyter 引擎执行的。现在你可以选择使用原生的 Julia 引擎：
---
title: 不使用 Jupyter 的 Julia
engine: julia
---在使用 julia 引擎中了解详细信息。
我们对此功能感到兴奋的部分原因是它是一个外部贡献。感谢 @jkrumbiegel！
占位符短代码
我们还添加了几个添加占位符内容的短代码：lipsum 用于文本，placeholder 用于图像：
{{< placeholder 400 200 format=svg >}}
{{< lipsum 1 >}}这个示例生成一个 400px x 200px 的 SVG 图像，以及一段 Lorem Ipsum 文本：
Etiam congue quam eget velit convallis, eu sagittis orci vestibulum. Vestibulum at massa turpis. Curabitur ornare ex sed purus vulputate, vitae porta augue rhoncus. Phasellus auctor suscipit purus, vel ultricies nunc. Nunc eleifend nulla ac purus volutpat, id fringilla felis aliquet. Duis vitae porttitor nibh, in rhoncus risus. Vestibulum a est vitae est tristique vehicula. Proin mollis justo id est tempus hendrerit. Praesent suscipit placerat congue. Aliquam eu elit gravida, consequat augue non, ultricies sapien. Nunc ultricies viverra ante, sit amet vehicula ante volutpat id. Etiam tempus purus vitae tellus mollis viverra. Donec at ornare mauris. Aliquam sodales hendrerit ornare. Suspendisse accumsan lacinia sapien, sit amet imperdiet dui molestie ut.
致谢
最后，我们要向所有通过打开问题和拉取请求为此次发布做出贡献的人表示衷心的感谢：
AaronGullickson, abduazizR, aborruso, AdaemmerP, adamalfredsson, adamulrich, aghaynes, ALanguillaume, AlbertRapp, allefeld, AndreiBiziuk, andrie, anhi, aravezskinteeth, arnaudgallou, aronatkins, ArthurAndrews, arvindvenkatadri, AshleyHenry15, averms, awhol1, batpigandme, bcdavasconcelos, bhattmaulik, bhogan-mitre, billgeo, BradyAJohnston, cameronraysmith, CeresBarros, christian-million, cpcloud, daslu, davidkane9, debdagybra, dfolio, dhodge180, dmbates, drtingtp, eitsupi, eyayaw, FabienSe, fernandortdias, fkgruber, ForceBru, gcgbarbosa, gimmiereddy, gl-eb, gregswinehart, guilhermegarcia, GuillaumeDehaene, hadley, has2k1, Hemken, hervyqa, hewag1975, hughjonesd, iandol, IULibScholComm, j-horak, jackgerrits, jasonpott, jcheng5, jdossgollin, jebyrnes, jimgar, jimjam-slam, jkrumbiegel, jobrachem, jolars, jonpeake, jrob95, jrtheobald, juliantao, JulienGAMartin, justinaskav, kadykov, KaiWaldrant, kdheepak, kkaja123, kletts, kompre, krishaamer, lamurian, Lextuga007, li-yq, libjohn, liyongg, loreabad6, Luc-UMass, lwjohnst86, m-clark, m-delem, MarcoPortmann, marklhc, martinscripts, memeplex, MHellmund, mhollanders, mine-cetinkaya-rundel, MKDJr, mroberts1, mvuorre, mwouts, ncclementi, ncworstell, nealrichardson, Nesper94, nickvigilante, nmalkin, NMarkgraf, nrichers, olivroy, ozanozbeker, pagiraud, pastorn, pbousquets, pem725, petrbouchal, pgseye, pingumops, pmoris, pschloss, rafaelorozco, rastrau, RegalPlatypus, rgaiacs, Robinlovelace, robolyst, royfrancis, rpchastain, sapphire008, schrammelj, sinamoghimi73, statik, stevengogogo, sun123zxy, szsctt, teecrow, the-solipsist, TomBener, ttalVlatt, tvroylandt, tylermorganwall, Unco3892, Vinnie-Palazeti, WardBrian, wjschne, wklimowicz, xiaoxl, ycrouin # 人工智能与机器学习
概述
人工智能（AI）和机器学习（ML）是当今科技领域最热门的话题之一。它们不仅改变了我们与技术的互动方式，还推动了各个行业的创新和效率提升。
人工智能
人工智能是指计算机系统执行通常需要人类智能的任务的能力。这些任务包括视觉识别、语言翻译、决策制定和问题解决。
应用领域
- 医疗保健：AI用于诊断疾病、个性化治疗和药物发现。
- 金融：AI用于欺诈检测、投资分析和客户服务。
- 交通：AI用于自动驾驶汽车和交通管理。
机器学习
机器学习是人工智能的一个子集，专注于开发能够从数据中学习的算法。这些算法通过经验改进其性能，无需显式编程。
主要技术
- 监督学习：使用标记数据训练模型。
- 无监督学习：使用未标记数据发现隐藏模式。
- 强化学习：通过试错和奖励机制学习。
未来趋势
- 边缘计算：AI和ML在边缘设备上的应用将增加。
- 量子计算：量子计算有望显著提升AI和ML的性能。
- 伦理与隐私：随着AI的普及，伦理和隐私问题将变得更加重要。
结论
人工智能和机器学习正在迅速发展，并将继续塑造我们的未来。了解这些技术及其应用对于任何希望在科技领域保持领先的人来说都是至关重要的。
这篇文章的列表和社交卡片图像中的气球表情符号来自 OpenMoji——开源表情符号和图标项目。许可证：CC BY-SA 4.0
