拓扑量子比特争议背后:马约拉纳束缚态与容错量子计算的距离
量子计算的新闻这两年有个规律越是看起来里程碑式的结果越要小心拆开看。微软2025年拿出的那套拓扑量子计算机方案恰好就是一个非常典型的样本——官方表述是“已造出可分立的拓扑量子比特芯片”媒体报道是“冲向百万量子比特”而不少一线凝聚态研究者的反应却是一脸狐疑。这种反差本身就值得掰开揉碎讲清楚。先说背景微软的拓扑量子路线绝不是2025年才冒出来的。这家公司从2016年前后就开始布局“半导体-超导体纳米线”路线目标是利用马约拉纳零模构建所谓拓扑量子比特。公众可能更熟悉超导或离子阱路线的量子计算机但拓扑方案的卖点一直是“硬件级容错”——如果做成了逻辑错误率可以指数级压低这是它最值钱的想象空间。现实中这条路线一路磕磕绊绊2018年一篇被寄予厚望的实验论文因数据举证不足被撤2020年之后陆续有补充实验放出2025年2月微软正式发布名为Majorana 1的量子芯片宣称在一块指甲盖大小的芯片上集成了若干拓扑量子比特核心单元并提出一条通往百万量子比特的扩展路径。正是这个节点科技新闻和物理学界出现了明显分歧。1. 这条新闻到底在吵什么1.1 时间表与宣称之间的落差如果只看发布会给出的路线图你会觉得拓扑量子比特马上就能出厂了一个芯片上集成了多个拓扑量子比特核心未来依靠光刻技术能扩展到一个芯片几百万个量子比特直接瞄准通用容错量子计算。新闻稿里那句“能在未来几年内解决实际问题”尤其抓眼球。但如果你去翻同期凝聚态物理圈的讨论会发现大家普遍关注的是另一个问题证据在哪数据可信不可信距离“真正证明拓扑量子比特”还差几步。这种冷热之间的落差不是媒体标题造成的而是两个群体评判标准不同。大众媒体评判“是否里程碑”看的是企业发布了什么产品、宣称了什么指标一线研究者评判“是否突破”看的是同行评审中能不能给出一套完整的证据链——从材料生长、器件结构、测量方案到对照实验。对后者来说产品发布会的PPT说服力非常有限真正能说服人的是几个可重复的、没有歧义的实验数据点。1.2 外行看成果内行看测试数据很多读者会有疑问微软不是做了那么多年了怎么还没拿出公认的铁证这得从拓扑量子比特的测量逻辑说起。普通量子比特可以用能级占据数直接读取超导量子比特能通过微波信号读出状态而拓扑量子比特的核心是马约拉纳零模它是体系中的“非局域”态不能像普通粒子那样直接被看一眼。你要证明它的存在只能通过间接效应隧穿谱里的零偏压电导峰、交换装置里的一定量子化背离、点测量里的宇称变化等等。这些测量里的任何一项单独拿出来都存在其他物理解释。比如零偏压电导峰很可能是磁性杂质导致的近藤效应或安德烈夫束缚态造成的库仑阻塞里的一段平台可能来自普通无序态而非真正的马约拉纳束缚态。所以“宣称观测到拓扑信号”和“严格证明拓扑信号”之间有一个非常大的灰色地带。微软团队踩过这个坑2018年那次撤稿就是典型的证据链不够硬。2. 拓扑量子比特的底层设定与商业逻辑2.1 马约拉纳束缚态是什么用大白话说马约拉纳束缚态是凝聚态物理里一种“半个费米子”的准粒子。电子是费米子有自己的反粒子而马约拉纳束缚态的特点是它和它的反粒子是同一个东西。在一维纳米线的两个端点或超导涡旋中心可以各放一个马约拉纳束缚态两个束缚态合在一起才构成一个完整的费米子自由度且这个自由度是“非局域”的。量子信息如果编码在这种非局域自由度上任何一个失误如果只打击局部都很难同时破坏两个纠缠着的马约拉纳束缚态这就形成了天然的本底容错。这种设计的诱人之处在于它把纠错成本从电路层搬到了物理层。普通量子比特为了压制错误你需要构建大量物理量子比特来做逻辑量子比特拓扑量子比特理论上不用这么费劲它的保护机制来自材料拓扑性质不是来自一层层的容错算法。如果真能实现扩展性会非常强。提示理解这一步很关键。整个拓扑路线的价值主张不是“跑得更快”而是“天生抗错”。所以你不能拿它和某个超导芯片的比特数直接比大小要比的是它在相同出错率下需要多少资源。2.2 为什么巨头押注这条路微软之所以死磕拓扑方案底层逻辑是“摩尔定律式的扩展曲线”。超导量子比特面临的一个问题是比特数量增长的同时封装、接线、微波控制系统都在指数变复杂离子阱路线虽然精度好但速度慢。拓扑方案的想象空间在于量子比特本身可以做到很小小到用半导体光刻工艺直接批量制造就像制造普通芯片一样。这就把量子计算变成了“晶圆厂的故事”而不是“实验室玩具的故事”。所以微软对外总是强调“可以用工业标准的光刻与纳米线生长工艺来制造”。这种规划确实有吸引力因为如果路线可行最终量产能借助人类几十年的半导体工程积淀而不是每条量子电路线都需要专门定制。这也是为什么商业新闻里经常提到“芯片”而不是“装置”——那是为了让你联想到当前半导体的成熟程度。2.3 自旋、导线和结区的物理实现当然理想归理想实现需要在极低温下搭一个微纳器件。具体到微软的方案核心材料是半导体纳米线与超导体之间的近邻效应。常见的组合是高纯度砷化铟或锑化铟纳米线紧贴着一层铝薄膜。在强磁场、极低温条件下这个组合可能进入拓扑超导相然后在纳米线两端压出马约拉纳束缚态。为了让器件稳定还需要做静电定义线区、全局磁场的方向和大小校准以及电极与量子点的集成。这里的难点在于半导体和超导体界面的质量必须极高否则无序和杂质会湮灭拓扑相测量时还需要保持极低的电子温度通常要低于几十毫开尔文磁场方向和样品本身晶体方向的夹角要精确否则拓扑相直接被抑制。任何一个环节不达标实验都会出现假信号或者没有信号。这就意味着每做一个器件都像在暗房里冲洗一张照片——洗出来的结果未必是对的你得反复验证。3. 2025年成果的具体内容拆解3.1 宣称做到了什么回到2025年2月的发布微软公布的核心信息包括命名为Majorana 1的量子芯片、基于拓扑导线的量子比特阵列、配套的测量与读出方案以及一条通往百万量子比特的芯片扩展路线。按照官方的说法这个芯片上集成了一种全新的拓扑核心架构它用一对对马约拉纳束缚态编码一个量子比特并且可以用电学方法切换和读取。整个器件放在稀释制冷机里运行温度接近绝对零度。这些内容本身很漂亮。如果说目前物理界有什么保留意见不是否定“做了实验”而是不承认“这些实验已经构成了对拓扑量子比特的决定性证明”。2025年同时发布的还有一些测量谱的数据但这些数据不是发表在权威同行评审期刊上而是在公司博客、预印本平台和新闻稿中。对研究界来说光看几张预测图是不能做判断的。3.2 证伪门槛测量数据的几个关键点业内讨论最多的是三个测量指标。第一纳米线端点处的差分电导是否存在一个稳定的零偏压峰并且在磁场变化过程中峰高趋势符合理论预测。第二量子比特的读取是否呈现明确的宇称变化即电荷状态在奇偶之间切换的平台是否清晰。第三能否同时测量到“拓扑超导隙”的出现证明体系真的进入了拓扑超导相而不只是局部端态。这三个指标缺一不可。之所以要这么多是因为历史上出现过太多“看起来像马约拉纳”但最终被归因于其他机制的情况。比如某个研究团队曾经在某半导体纳米线系统里看到过零偏压峰后来通过调变门电压发现这个峰能劈裂还能被近藤效应解释掉。所以物理界现在普遍要求不仅要看到峰还要给出峰对测量参数的依赖关系不仅要给数据还要给一个能排除干扰物的模型。3.3 时间线回溯2018年撤稿事件的影响要理解这次2025年发布为什么大家会格外谨慎得回到2018年那篇被撤的论文。当时某团队发布了一个相位测量数据被解读为拓扑相变的证据论文一路登上了顶级期刊。随后有外部团队提出质疑他们的模拟和重复实验表明所观测到的信号可以用平凡的安德烈夫束缚态来解释。最终作者主动撤稿。这件事对整个拓扑量子比特领域都是一个警钟。很多研究者不会在公开场合把话说太难听但在私下交流和内部评审里2018年经历已经成了默认意识必须用更高标准对待每一个宣称。2025年的发布虽然时间上比2018年推进了很多但如果没有更严格的独立可重复证据舆论分歧必然存在。我见过不少量子业内人士嘴上说的是“这方向有希望但别急着庆祝”心里的真实态度其实更冷——这差不多也是争议的根源。4. 争议核心证据链的强度与解释空间4.1 传输峰到底意味着什么先说最核心的零偏压电导峰。这是隧穿谱测量中最常见的“马约拉纳信号”在半导线-普通导线结处当导线进入拓扑超导相会在端点处出现一个零偏压的电导峰理论上峰高会趋向二倍量子化电导值且对磁场变化的响应有特定规律。许多实验组都在类似系统里看到了这种峰问题是它不是马约拉纳的唯一来源。磁性杂质、近藤效应、安德烈夫束缚态共振、无序导致的局域化都能在零偏压附近产生类似的电导增强。要区分它们通常需要改变门电压、磁场方向和温度看峰的动态变化真正的马约拉纳峰应该在一定条件下表现得“硬”且“平台化”而杂质峰往往更容易劈裂或移动。微软2025年发布的数据有没有做到这一步是业内分歧的核心。有的分析认为谱长得算漂亮但也可能只是把样品做得足够干净后的普通共振态。4.2 库仑阻塞与拓扑保护自相矛盾吗另一个被反复讨论的质疑点是如果你用库仑阻塞的办法去读取量子比特这个系统还剩下多少拓扑保护简单来说拓扑保护依赖马约拉纳束缚态在两个端点之间的物理分离但一旦你用量子点或电荷探测器去测量它这个探测过程本身就会引入退相干和扰动。这就形成一个两难你要证明它是好的拓扑态就需要测它但你测的过程中可能已经破坏了它想保护的量子信息。一些理论文章把这种“测量扰动”称为拓扑量子比特最大的工程挑战。微软方案给出的答案多半是做非常弱的读取耦合把测量误差分摊到多次采样中。但对观察者来说越低耦合的读取数据越难做样本越少证据说服力越弱。这是物理层面绕不过去的一对矛盾。4.3 同一批测试不同结论更有趣的现象是同一组数据在不同人眼里能得出完全不同的评价。在支持者眼中样品结构大幅进步读出方案有创新磁场数据范围宽绝对是里程碑在怀疑者眼中没有独立复现没有给出充分的对照实验数据点的数量和重复性不够和2018年的问题类似。这种情况并不奇怪。物理证据的强度不是二元的而是一个概率连续过程。一项测量能把“马约拉纳存在”的概率从60%推到90%但不代表它完成了到99.999%的证据闭环。企业为了商业节奏会尽量把“新的进展”表述成“已经成功”研究界为了声誉则坚持“在下结论前请把数据放到沉淀池里晾一晾”。两边的话语体系差异制造了我们看到的争议。5. 从争议看量子计算路线图5.1 各路线对比超导、离子阱、拓扑、光量子路线当前成熟度代表性优势主要瓶颈超导较高门操作快、半导体工艺兼容错误率高、需要大规模纠错离子阱中高相干时间长、门精度高扩展速度慢、系统复杂拓扑低理论容错性强、可集成尚未确证马约拉纳束缚态光量子中部分可常温运行、退相干窗口独特确定性门操作难度大如果从商业模式看各家的设计哲学不同。超导路线往往强调“先造足够多量子比特再逐步加纠错层”配合软件栈解决早期问题拓扑路线则赌“物理层容错一步到位”。从目前的技术里程碑看超导和离子阱都在朝“逻辑量子比特”迈进而拓扑方案还停在“证明物理比特存在”的前夜。5.2 实用化到底要多少量子比特关于“一万比特、一百万比特”这类数字听多了容易麻木。需要澄清的是不是说把一个错误率很低的拓扑量子比特做得足够多就能算任何问题你还需要连贯地运行逻辑门、执行纠错、保存中间态。通用容错量子计算的实际门槛比“裸量子比特数”高得多。有一个粗略的估算经常被引用要实现一个逻辑量子比特按表面码估计可能需要几百到上千个物理比特。如果你的物理比特错误率低且一致性稳定需要的物理比特数会低一些如果错误率一般就得堆更多比特。微软说的百万比特目标考虑的就是把基本单元做得足够小、足够容错从而让一个大规模问题都能塞进去。这个思路没有错只是所有前提都挂在“拓扑量子比特确实可靠”这个未验证的锚点上。5.3 微软的路线与行业预期之间的落差行业对量子计算的主流预期是在未来五年内演示“逻辑量子比特”十年内解决特定实用问题。微软的拓扑路线理论上能给出非常漂亮的极限性能但它没有办法在现阶段给出大量工业级比特因为它还停留在证明基本粒子层面。于是你会看到一种奇怪的错位新闻标题写“革命性突破量产倒计时”研究会议里却还在讨论这个方案到底有没有测量到那一个马约拉纳束缚态。对采购方和研究资助方来说这种错位有实际影响。一个机构如果要在未来两年部署量子系统做某种挑战性问题它不会等拓扑路线成熟它会去选现有的超导或离子阱系统。反过来如果微软赌对了那么十年后它可能重新定义赛道。这种“现在我可以不用你但未来我无法忽视你”的状态是争议长期存在的商业背景。6. 作为从业者你怎么看这类消息6.1 辨别科技发布的三步法看了这么多我觉得可以给你一个在实际工作中能直接用的三步判断法。第一步先看信息载体。真正的科学结论优先看同行评审企业新闻稿的价值是线索而非结论。第二步拆开指标看定义。比如“量子比特”到底是一个完全可控的逻辑单元还是几个聚集的马约拉纳束缚态“成功测量”是什么测量误差“规模化”是全连接还是只有近邻连接这些定义差距非常大。第三步找反对意见。如果一个突破是真的通常会出现认真的同行质疑如果没有质疑反而是最大的异样信号。6.2 几个值得关注的信号对我来说接下来的关键观察点有几个第一微软是否在权威期刊上发表完整证据链包括可控制备、量化和对照第二是否有第三方实验室独立复现出同样的实验规律第三是否有应用层结果表明某个实际问题能在拓扑芯片上跑得比超导和离子阱更好。任何一个信号落地争议会自动衰减全部落空这轮热度就会像以前一样慢慢沉寂。真正推动领域前进的不是发布会而是这些可重复的数据。6.3 对研发决策的启示如果你所在团队正在做量子计算相关选型我建议别把注意力放在“谁更好”的辩论上而是放在“我马上就要解决的问题需要什么样的接口”上。现阶段大多数实际应用都不会要求百万比特几百甚至几十个逻辑比特配合经典预筛选就能做材料模拟和优化问题。拓扑方案的长期价值再大也不能替代当前工作流里需要的数据稳定性和软件生态。其次如果你准备追踪这条路线做好心理准备这个领域发布节奏快退烧也快每一次“跨越”都意味着大量的负结果被藏在了堆满后页的补充材料里。理性追踪的方法是维护一张自己的证据表而不是跟着热搜走。我个人的体会是量子计算领域的新闻最怕“一次发布定终身”。真正扎实的工作往往是一点点垒起来的每一篇文献都在推演早期的错误被纠正反而是科学进步的证明。微软2025年这波拓扑量子热度无论最终走向哪一边对整个领域都是一次很好的压力测试。它逼着大家重新理解什么叫做证据也逼着公众重新理解什么叫做技术突破。如果有下一次类似的头条希望你我都能先问一句它的数据在哪里它能不能被第三方重复。

相关新闻

空间证明PoSpace原理与实操:从P盘到出块,绿色挖矿全解析

空间证明PoSpace原理与实操:从P盘到出块,绿色挖矿全解析

空间证明(PoSpace)这个概念,我第一次接触是在好几个年前,当时脑子里第一反应是“用硬盘挖矿?这玩意儿靠谱吗”。那阵子整个圈子都在讨论工作量证明(PoW)的能耗问题,动不动就是“一个…

2026/10/14 4:29:51 阅读更多 →
ML Kit设备端AI实战:从图像识别到自定义模型

ML Kit设备端AI实战:从图像识别到自定义模型

ML Kit是谷歌推出的移动端机器学习套件,但它并不是一个“云服务”,而是把模型压缩、量化、推理引擎都塞进手机本地运行的设备端AI框架。第18章讲的就是这个:怎么在Android/iOS上不依赖网络、不把用户数据上传服务器,直接调用现成的…

2026/10/14 4:29:51 阅读更多 →
基于炬芯ATS308X CPU方式实现opus解码算法实现

基于炬芯ATS308X CPU方式实现opus解码算法实现

实时录音由 zephyr/drivers/audio/shell/audio_driver_shell.c 处理:DMA 回调把每个已完成的 512 B 半缓冲复制到 8 KiB 环形暂存区,后台写入器每次取最多 4 KiB,同时写入 PCM 并交给 opus_stream_feed()。这样写盘期间 DMA 缓冲变化也不会丢…

2026/10/14 4:28:51 阅读更多 →

最新新闻

医疗健康大数据平台实战:从数据治理到智能应用

医疗健康大数据平台实战:从数据治理到智能应用

做了几年“基于大数据的医疗健康智能管理”方向的东西,最大的感触是:这个领域最难的从来不是算法,而是把数据从各个角落里捞出来、洗干净、排整齐。跟很多同行聊下来,大家都遇到过类似的尴尬——领导看完大屏演示,问了…

2026/10/15 7:00:51 阅读更多 →
全息投影拼接融合技术全解析:几何、亮度、色彩与帧同步的四维一致

全息投影拼接融合技术全解析:几何、亮度、色彩与帧同步的四维一致

客户在纱幕前站了足足三分钟,最后说了一句:“整体氛围挺好,但中间竖着的那一条,总觉得亮度不对。”他说的“一条”,就是两台投影机画面的重叠带。这种问题在全息投影拼接融合项目里太典型了——单看每一台机器都正常&a…

2026/10/15 7:00:51 阅读更多 →
连接器温升仿真从热源建模到实测对标:一次讲透参数与避坑

连接器温升仿真从热源建模到实测对标:一次讲透参数与避坑

简介:针对电子连接器表面特征复杂、传统稳态导热难以准确计算温升的问题,这份资料提出将表面换热系数作为未知量,采用计算流体动力学(CFD)的有限体积法,借助ICEPAK软件模拟连接器达到热平衡后的温度场、流场…

2026/10/15 7:00:51 阅读更多 →
电商roi计算公式怎么推导?2026最新拆解客单价、转化率与PPC

电商roi计算公式怎么推导?2026最新拆解客单价、转化率与PPC

摘要:电商roi计算公式怎么推导而来?2026年搞懂它的底层逻辑,比背公式更有用。本文把投产比拆成客单价、转化率、PPC三个变量,逐个讲透它们如何影响你的盈亏。 投产比的公式,很多运营张口就能背,但能把它一…

2026/10/15 7:00:51 阅读更多 →
ffmpeg批量合成抖音卡点视频:从BPM计算到脚本实操全流程

ffmpeg批量合成抖音卡点视频:从BPM计算到脚本实操全流程

做短视频的朋友基本都绕不开“卡点”这个词,尤其是那种十几张、几十张图片卡着音乐鼓点哐哐切的视频,在短视频平台上的数据一直很能打。但我一开始是抗拒做卡点视频的,因为手动在剪辑软件里一帧帧对鼓点、拖图片、调时长,做一条两…

2026/10/15 7:00:51 阅读更多 →
Django 5模型层数据库连接实战:从配置到迁移再到ORM优化

Django 5模型层数据库连接实战:从配置到迁移再到ORM优化

Django 5 发布之后,我把手头一个模拟项目从 4.x 升级到了 5.x,前后折腾最久的地方,不是新特性研究,反而是最不起眼的“模型层连接数据库”这一环。很多人觉得连数据库不就是填个配置吗?等真开工就会发现,驱…

2026/10/15 6:59:51 阅读更多 →

日新闻

Docker Compose 容器化部署 ChirpStack LoRaWAN 网络服务器实战

Docker Compose 容器化部署 ChirpStack LoRaWAN 网络服务器实战

1. 为什么选择容器化方式部署 LoRa 网络服务LoRa 物联网项目落地时,网络服务器是整个链路的核心枢纽。它负责接收网关上报的数据包、完成去重与解密、再把有效载荷分发给上层应用。早期大家习惯把网络服务器直接装在物理机上,依赖一堆系统库和特定版本的…

2026/10/15 0:00:46 阅读更多 →
共享LLM服务下的跨模型自动扩缩容:Kubernetes实战与避坑指南

共享LLM服务下的跨模型自动扩缩容:Kubernetes实战与避坑指南

1. 共享推理服务里,扩缩容到底难在哪做过大模型推理服务部署的人,大概都经历过这样的场景:一个团队共用一套推理集群,A 业务跑的是 7B 的小模型,B 业务跑的是 72B 的大模型,C 业务白天流量高、晚上几乎归零…

2026/10/15 0:00:46 阅读更多 →
Systemd 启动阶段根文件系统只读之谜:fstab 与 remount-fs 服务深度解析

Systemd 启动阶段根文件系统只读之谜:fstab 与 remount-fs 服务深度解析

1. 引子:一次内核恐慌引发的追查先从一个真实场景说起。某次我给一台老旧的嵌入式设备折腾系统裁减,为了把启动时间压进两秒以内,我手贱地把一串自认为“没用”的 systemd 服务给 disable 了,其中就包括systemd-remount-fs.servic…

2026/10/15 0:00:46 阅读更多 →

周新闻

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

简介:基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码,面向计算机相关专业课程设计与期末大作业学生,以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程,…

2026/10/14 3:30:28 阅读更多 →
影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化,十个新手有八个栽在"往输入框里填东西"这件事上:要么填不进去,要么填了一半,要么直接把原来内容追加在后面。这背后的根因&…

2026/10/14 16:30:29 阅读更多 →
影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀:什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面,跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/14 3:29:58 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/15 0:14:36 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/14 22:45:47 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/14 7:53:34 阅读更多 →