- 在左侧编辑器中粘贴或输入原始文本。
- 在右侧编辑器中粘贴或输入修改后的文本。
- 选择您偏好的对比模式：按行（默认）、按词或按字符。
- 可选择启用「忽略空白」或「忽略大小写」进行更灵活的对比。
- 点击「开始对比」按钮，下方将高亮显示差异结果。
- 使用「复制」按钮复制对比结果，或使用「交换」按钮交换两段文本。
按行、按词、按字符三种对比模式有什么区别？
按行模式逐行比较文本，适合代码或结构化文档。按词模式比较单个词语，适合散文和文档。按字符模式比较每个字符，非常适合发现细微的拼写错误或编码差异。
使用此工具时我的文本数据安全吗？
绝对安全！所有文本对比都完全在您的浏览器中使用 JavaScript 执行。您的文本数据永远不会发送到任何服务器，确保完全的隐私。页面加载后，您甚至可以离线使用此工具。
可以对比大型文本文件吗？
可以，此工具可以处理相当大的文本。但是，对于非常大的文件（几 MB），性能可能会因您的浏览器和设备而异。对于非常大的文件，建议使用按行模式，效率更高。
对比结果中的颜色代表什么意思？
绿色高亮并带有「+」前缀的文本表示在修改后的文本中新增的内容。红色高亮并带有「-」前缀的文本表示从原始文本中删除的内容。未高亮的文本在两个版本之间保持不变。
可以用这个工具比较代码吗？
当然可以！这个文本对比工具非常适合比较代码片段、配置文件、SQL 查询和任何与编程相关的文本。按行模式特别适合代码比较，因为它保留了代码结构。
文本对比算法详解：Diff原理、LCS算法与实现
深入解析代码与文本对比 Diff 算法的底层核心运行原理。系统性掌握最长公共子序列(LCS)、经典的 Myers 差分算法等关键对比技术。全面了解 Git 版本控制系统中底层的行级别(Line-level)与字符级别(Character-level)差异高亮对比实现方案，附带 JavaScript、Python 等多语言工程化代码示例与在线对比工具。
上下文窗口与Token完全指南：LLM分词原理、计数方法与成本优化策略
深入解析大语言模型(LLM)中至关重要的Token(词元)和上下文窗口(Context Window)核心概念。全面剖析BPE、WordPiece等主流分词算法底层原理，对比GPT-4、Claude 3等模型的上下文限制差异，并为您提供精准Token计数计算与API调用成本优化的实战方法和工程经验。
扩散模型如何工作？从DDPM到Stable Diffusion原理详解
全面深度解析现代 AI 图像生成的统治级架构：扩散模型(Diffusion Models)的底层数学核心原理。详细剖析向图像添加高斯噪声的前向破坏扩散(Forward Diffusion)过程，与利用 U-Net 神经网络预测噪声的反向去噪(Reverse Denoising)恢复过程。系统性讲解主流的 DDPM/DDIM 采样算法演进，并深度解析 Stable Diffusion 潜在空间(Latent Space)架构设计。横向对比经典 GAN 和 VAE 模型，涵盖文生图、图生图、Inpainting 局部重绘等丰富应用场景，附带 Hugging Face Diffusers 完整前沿代码实战。
差异对比
差异对比是一种比较技术，用于识别和显示两组数据之间的差异。它基于最长公共子序列算法，能够精确标记文本文件或代码中添加、删除和修改的内容，是版本控制系统和代码审查工具的核心功能，广泛应用于软件开发协作流程中。
Context Engineering
Context Engineering（上下文工程）是指在 AI 驱动的应用（如 AI IDE、Agent）中，通过静态规则配置（如 `.cursorrules`）、动态检索（如 RAG）、符号链接（如 `@file`）等手段，精确地向大模型提供其完成当前任务所需且仅需的背景信息的过程。
上下文窗口
上下文窗口是大语言模型在单次交互中能够处理的最大 token 数量，包括输入提示和生成的输出。它决定了模型能够考虑多少信息，直接影响长文档处理、多轮对话记忆和复杂推理任务的能力，现代模型如 GPT-4 Turbo 支持 128K token。
扩散模型
扩散模型是一类生成式深度学习模型，通过逐步对正态分布变量进行去噪来生成数据，逆转前向扩散过程——该过程逐步向训练数据添加高斯噪声直至变成纯噪声。
上下文学习
上下文学习（In-Context Learning，ICL）是大语言模型从输入提示中提供的示例学习和适应新任务的能力，无需更新模型参数或进行显式训练。