VSCode多光标迎来重大更新

简介: VS Code 新增“分散块粘贴”(`multiCursorPaste: spread`)功能:复制多行内容后,单次粘贴即可自动逐行分配到连续多行光标位置,彻底告别重复粘贴。默认开启,提升效率更省心。(238字)

我先来还原一个让所有程序员血压升高的真实场景。

这是我曾经遇到过的

你正在写一个配置文件,或者一个测试用例,或者一段初始化数据。你从某个文档、某个表格、某个日志文件里,复制了一列值——十个用户名,十个 ID,十个环境变量,随便什么都行。

然后你回到代码里,面前是十行需要填这些值的空位。你盯着它们,手指悬在键盘上,脑子里已经开始计算了:复制第一个,Ctrl+V,下移一行,复制第二个,Ctrl+V,下移一行……重复十次。中间要是手抖粘错了一行,还得退回去重来。

想到要复制如此多次,就头痛的不得了

还好当时我想到了vscode的多光标的技能,但这又是一个痛苦的起点

你当然知道多光标。你按住 Alt,一列一列点出十个光标,然后一次性粘贴。但 VS Code 的多光标粘贴默认是把整块内容原封不动地塞进每一个光标位置。于是你在十个空位里得到了十份一模一样的十行数据。恭喜,代码成功变成了复读机。

这很蠢。真的。 当时我是这样吐槽vscode的

知道vscode新版发布,让我彻底闭口了

VS Code 最近更新了一个叫 Spreading block pasting(分散块粘贴) 的功能,专门治这种病。

它的逻辑简单到令人感动:你复制一个多行块,把它粘贴到单个光标位置,VS Code 会自动把每一行分配到后续的目标行上去。

什么意思?你复制了十行数据,光标停在第一行,按下 Ctrl+V。VS Code 不会把十行全塞进这一行,而是把第一行放这里,第二行放下面的行,第三行再往下…… 一行一行,自动铺开。

就像你把一叠扑克牌放在桌边一推——它们不是叠在一起,而是一张一张排开。

怎么开启这个“散弹枪”

这个行为由一个设置控制:editor.multiCursorPaste。

  • 设为 spread(默认):粘贴时分散到多行。
  • 设为 full:粘贴时把完整块塞进每个光标位置(旧行为)。

默认就是 spread,所以你什么都不用做,它已经生效了。

下面看看怎么操作

首先我们先使用多光标的方式来准备复制的内容

在这里插入图片描述
选中之后,按ctrl c

然后把多光标的位置法昂在需要复制地方

在这里插入图片描述
最后一步就是ctrl v

在这里插入图片描述

很多人第一眼可鞥觉得这个功能应该很少用吧,但是其实如果真的遇到了这种情况,如果没有这样的功能,那真的是遭老罪了,虽然现在有了AI,但不是每次AI都会给你满意的方法,最后还得是靠自己

以前你得手动在多行之间切换光标、逐个粘贴,现在只需要复制一次、粘贴一次。你省下的不是几秒钟,是注意力。

如果你确实需要把同一块内容复制到多个光标位置(比如批量插入相同的 import 语句),把设置改成 full 就行。它给了你选择,而不是替你决定。

没有人会在技术论坛上发帖问“怎么把一列数据快速填到十行里”,因为这个问题太基础了,基础到大家默认“手动搞一下就行”。但手动搞一下,乘以每天几十次,就是巨大的浪费。

VS Code 这个更新没有加什么惊天动地的大功能,它只是把一个你每天都在做、但从来没觉得“这是个问题”的动作,从手动变成了自动。

你依然可以用老办法一行一行粘。但试过 spread 之后,你大概会想:我以前到底在干什么?

相关文章
|
20天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
8869 26
|
19天前
|
人工智能 并行计算 PyTorch
秋叶 ComfyUI 2026 整合包 v3.2 完整部署教程:Python 3.13 + Torch 2.13 全栈升级
秋叶aaaki ComfyUI 2026年8月整合包v3.2正式发布!全面升级Python 3.13.11、PyTorch 2.13.0+cu130及ComfyUI v0.30.2,原生支持MiniMax H3、Wan 2.2、Qwen-Image-2.1等2026主流音视频/图像模型,解压即用,无需环境配置。
3775 16
|
18天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2238 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
5天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
405 1
|
13天前
|
人工智能 Linux 开发者
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
Codex是OpenAI推出的AI编程智能体,可读取本地项目、理解需求并自动修改代码。支持桌面GUI、命令行(CLI)及VS Code/Cursor插件三种形态,覆盖可视化操作、终端高效开发与编辑器无缝集成场景,助开发者用自然语言驱动编码全流程。(239字)
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
|
6天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
7天前
|
人工智能 Linux Windows
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
千问办公(QwenWork)是阿里云推出的AI智能办公平台,支持网页端直接使用及Windows/Mac/Linux客户端下载。提供PPT生成、财报分析、网页搭建等AI功能,个人版免费,企业版198元/席/月。详情见官网qwenwork.cn或阿里云产品页。
935 0
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
|
19天前
|
云安全 人工智能 安全