Newlearnerの自留地
58.8K subscribers
13.4K photos
43 videos
63 files
10.2K links
🆕 不定期推送 IT 相关资讯,欢迎关注!

👥 博客群&投稿群&交流群: @NewlearnerGroup

📩 投稿请私信 @newlearner_pm_bot

🔍 频道内容关键词索引 Bot: @newlearner_search_bot

* 未经授权或标注来源,不得转载本频道内容
Download Telegram
#GitHub #App #Mac

🌐 又一个开箱即用的翻译词典 —— Easydict 易词典

🔗Github

🌍 Easydict 是一个简洁易用的翻译词典 macOS App,能够轻松优雅地查找单词或翻译文本。Easydict 拥有以下功能和特点:

🔹 开箱即用,便捷查询单词或翻译文本;
🔹 自动识别输入语言,自动查询目标偏好语言;
🔹 支持输入翻译、划词翻译OCR 截图翻译三种方式;
🔹 可同时查询多个翻译服务结果,目前支持有道词典,DeepL,Google,百度和火山翻译,不需要 Key,完全免费;
🔹 支持 macOS 系统默认翻译,方法可以参考 这里
🔹 支持为不同窗口配置不同的服务
🔹 支持系统 TTS
🔹 支持 Raycast 拓展
🔹 支持 48 种语言
🔹 支持使用 Menu Bar,可隐藏主程序直接在菜单栏进行日常使用;
🔹 支持自定义快捷键,默认设置快捷键并支持更改
🔹 支持迷你窗口、侧悬浮窗口、主窗口 3 种窗口类型,可以分别为它们设置不同的服务。

☝️ 值得一提的是,Easydict 的 GitHub 项目页面写得非常详细,建议使用之前好好阅读一下,可以免去很多不必要的麻烦。

频道:@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
👍314🤩3
#Markdown #macOS #GitHub

妙言 · 轻灵的 MarkDown 写作工具更新了

🎉 Github 开源地址

产品特点
🏂 妙:纯本地使用、安全、语法高亮、黑暗模式、源文件保存、国际化、演示模式、PPT模式、单独编辑模式、文档自动排版、文档导出、各类Markdown都支持很好
🎊 美:极简的设计风格,文件夹+文件列表+编辑器方式3列模式
🚄 快:使用Swift5原生开发,相比Web套壳方式性能体验好
🥛 简:很轻巧,纯编辑器输入体验,众多快捷键助你快人一步

最近更新
🎤 用Markdown来写PPT体验更好,导出效果优化
🚀 大幅度优化长文本编辑下的性能体验,更加轻量化
🇯🇵 多语言在原有中英文基础上新增了日语
🎬 预览体验增强,高度自适应,LaTeX, Mermaid, PlantUML黑暗下优化
😄 修复了不少使用过程中碰到的细节Bug

妙言由来
之前有尝试过众多的笔记应用,没有找到一个习惯的Markdown应用,才有了做妙言的想法。
个人比较喜欢折腾,借妙言来玩一下 Swift 以及独立产品开发流程,当做一个很愉快的事情,一年多来妙言累计发布了26个版本,被不少工程师喜欢使用,期待你也可以去玩玩。

频道:@NewlearnerChannel
👍162🥰1👨‍💻1
#Chrome #Extension #GitHub

🍁 Maple - 很顺手的浏览器书签扩展

🎉 Github 开源地址
🐙 Chrome 扩展安装地址

🦖 产品介绍
书签栏会占据浏览窗口且影响专注力,我常将其隐藏。但这使得访问书签很不方便,因此我开发了枫叶书签扩展,只需使用快捷键 Command + E(Mac)、Ctrl+B(Windows) 就能快速访问书签,甚至可以输入即搜索,实用且方便。

🚀 如何高效使用
1. 先整理好书签,可以调整常用顺序以及删除不常使用的,有文件夹的放后面,让它更整齐。
2. 使用在书签栏上右键隐藏掉原有书签栏。
3. 点击扩展图标,将 Maple Bookmarks 给固定到工具栏上。
4. 试试使用快捷键来快速访问书签吧。

频道:@NewlearnerChannel
👍205
#Github

📦 macOS Containers

Github | 官网

Features

- 在 Mac 上启动 Mac 容器
- 支持 HomeBrew 安装
- 兼容 Docker

在 Mac 上启动 Mac 虚拟机的我们见过了不少,比如 UTM。但是在 Mac 上启动 Mac 容器倒是第一次见。macOS Containers 还可以打包成 Docker 镜像,分享给其他人一起使用。

⚙️ rund

macOS Containers 基于 rund。rund 是一个实验性的 containerd Shim,用于在 macOS 上运行 macOS 容器。rund 在九月底发布了第一个预览版本,最新版本为 0..4。

rund 由于 macOS 内核 API 的限制,无法提供其他操作系统上可实现的常规容器隔离水平。

rund 提供的功能包括:

- 通过 chroot (2) 实现文件系统隔离
- 使用进程组清理容器进程
- 与 OCI 运行时规范兼容
- 仅支持宿主网络模式
- 绑定挂载

为什么 macOS 原生容器很重要?

最常见的 Docker 也并不是 macOS 原生的。主要原因是 macOS 和 Linux 操作系统之间存在差异。并且 XNU 内核缺少多种隔离原语,这些原语是实现具有与其他平台相当功能的容器支持所必需的。

在 macOS 上,Docker 运行在一个虚拟机中,这意味着容器操作比在 Linux 上慢。最明显的差别之一是在共享文件系统上。通过 macOS 中的虚拟机访问大文件或大量文件的性能,将始终不如直接访问来得好。

频道:@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
👍204
#Blog #Github

🔗: 我的开源成长之旅 - Tw93

📝 写作缘由
在微软上海 Github Universe 2023 的一个分享,主要是讲我从大学开源到现在 9 年做的一些有趣的事情,以及如何做好一个开源产品的经验,希望可以给热爱开源的朋友一些输入。

🤖 如何做好开源?
1. 如何迈出做开源的第一步?
2. 可以在开源上选择什么方向?
3. 想方设法解决各种痛点问题
4. 代码之外的文档也很重要
5. 充分借力FREE的服务
6. 开源产品的易用性很重要
7. 开源社区的运营比你想的更重要
8. 好的心态可以帮助你更长远的做开源

🐱作者的 Github 地址

频道:@NewlearnerChannel
21👍6👏1👌1🍌1
#Github

🤖 Jan AI:开源的 AI 聊天客户端

Github | 官网

Features

- 支持 Mac,Windows,Linux,未来计划支持移动端
- 本地化和离线运行:Jan 完全在你的电脑上运行,所有的对话、偏好设置和模型使用都保留在你的电脑上,可以直接编辑这些 JSON 配置文件
- 一键下载并运行部分开源模型,其他的需要手动导入。兼容 GGUF via llama.cpp, TensorRT via TensorRT-LLM, 和 remote APIs
- 提供 Jan AI 本地服务器 API,供开发者调用
- 支持自定义插件
- 状态栏显示本机计算资源使用情况

Jan 作为一个 AI 对话软件,基础的功能倒是都有了,进阶的功能缺失不少,例如支持与 PDF,文本文件对话之类的。

🙋‍♂️特点

Jan 最吸引我的地方是它支持自己导入模型,尤其是支持导入开源模型。开源模型和 GPT 模型的上手体验几乎一样。在模型市场里,用户可以一键下载部分热门模型,目前支持的模型数量还较为有限。下载链接的稳定度非常不错。

疑惑

Jan 的 Agent 功能略显奇特。在大多数其他软件中,用户创建的 Agent 像是一个模板,可以在未来的任何时候使用这个模板来创建新的对话进行沟通。但在 Jan 中,Agent 看起来更像是通信录里的一位联系人。每次的对话都在复用以往的聊天窗口,而非新建一个。这两种方式的主要区别在于,一种是每次都新建一个聊天窗口,而另一种则是复用旧的聊天窗口,让用户能看到过去的聊天记录。在复用旧窗口的情况下,用户可能会考虑到 AI 是否会将以往的对话作为此次交谈的背景信息。我个人比较倾向于每次都新建聊天窗口,虽然同一 Agent 在处理类似的任务,但这些任务的环境上下文可能是互不关联的。如果带着过去的上下文来处理新的任务,可能会导致结果的不准确性。

👀 总结

在基础功能上,我觉得 Jan 略逊于 Lobe Chat 和 ChatGPT Next Web。在开源模型的支持上,我会更偏向 Ollama Web UI。

频道:@NewlearnerChannel
👍51
#Github

✍️ Flux: 更强的开源绘画模型

HuggingFace | 官网

前 Stability AI 核心人物 Robin Romabach 创立新公司黑森林,并发布了 Flux 系列模型。

👪 Flux 家族

- FLUX.1 [pro]:旗舰模型,提供最高级的图像生成性能
- FLUX.1 [dev]:开放权重的指导蒸馏模型。质量与 Flux.1 [pro] 相似,但效率更高,可以非商业使用。
- FLUX.1 [schnell]:最快速的模型,适合本地开发和个人使用。支持在 Apache 2.0 许可下使用,支持商用。

⚙️ 技术架构

FLUX.1 模型都基于多模态和并行扩散变换器块的混合架构,参数规模达到 120 亿。黑森林通过基于流匹配(flowing match)来改进之前的扩散模型。此外,黑森林通过引入旋转位置嵌入和并行注意力层来提高模型性能并改善硬件效率。

📈 Benchmark

在 Benchmark 中,Flux.1 [pro] 和 Flux.1 [dev] 在提示语服从性,视觉效果,输出多样性,文字排版,尺寸上都达到甚至超过了市面上现有的模型,例如 SD,MJ。

Flux.1 [schnell] 则远远甩开 SD3-Turbo,SDXL-Lightning 等小模型。

👀 个人体验

我个人体验下来,Flux 成为了新的开源一哥,图像生成质量远远超过 SD3。文字排版的效果也令人称赞。

频道:@NewlearnerChannel
11👍2
#macOS #Tool #GitHub

🧰SketchyBar · 创造只属于你的menubar

官网GitHub安装插件库

💡特点

- 支持用户自行创作一个完全自定义、模块化的 Menubar
- 支持自定义布局、字体、动画、脚本、弹出菜单等功能
- 所有的功能通过代码和配置文件实现
- 高性能,耗电量低

🎒插件案例分享

- 设备电量高低提醒
- 麦克风状态检测
- 当前播放音乐
- 以太坊实时币价

🔨安装 & 设置

- 通过 Brew 进行安装,默认字体为 font-hack-nerd-font
- 建议在系统设置中自动隐藏自带的 menubar

🐦 使用体验 & 感想

这是一款超 Geek 的工具,在安装、配置、使用上都有一定的技术门槛。摸透这个工具,创作出自己满意的 menubar 需要一定的时间

可以把这个工具理解为开源硬核版的 iStat Menus,但它能够做的事情更多,也需要消耗你更多的时间去捣鼓。喜欢捣鼓桌面设置的朋友可以试试🙈

频道:@NewlearnerChannel
👍122
#Tools #Music #GitHub

🎶 BeatPrints:为你喜欢的歌曲一键生成精美分享卡片

🔗 阅读原文 | GitHub | Documentation

💭 在分享歌曲时,你更习惯直接复制串流平台的链接,还是制作成精美的分享卡片?

📇 目前大部分音乐串流平台都能直接或间接地生成音乐分享卡片。像 Spotify、Apple Music、TIDAL、Deezer 等都能通过「曲线救国」的方式——分享到 Instagram Story 时以图片格式保存——来实现,但却难以对其进行进一步的自定义。

🛠️ 今天分享的 BeatPrints 是一款主打音乐卡片生成的开源 Python 项目。与常见的图形用户界面不同,BeatPrints 采用命令行工具的形式,通过与 Spotify 和 LRClib API 的集成,让你只需要简单的几步就能为喜欢的歌曲或专辑生成个性化的卡片。

🎨 在创建卡片的过程中,BeatPrints 提供了丰富的自定义选项。除了卡片本身类似宝丽来相片的形式外,BeatPrints 目前内置了 Light、Dark、Catppuccin、Gruvbox、Nord、Rosepine 和 Everforest 几套各具特色的主题。如果你不满意 Spotify 提供的原始封面,BeatPrints 还支持自定封面的功能,允许你上传照片来替换默认封面,进一步个性化你的分享卡片。

🌏 值得一提的是,BeatPrints 对多语言的支持也相对完善,它兼容了英文、日语、中文和韩语等多种语言,确保你所分享的歌曲都能正确显示歌名、歌手以及歌词等相关信息。在分享单曲而非专辑时,你能够选择最打动你的歌词片段,目前最多支持 4 行。

💻 目前 BeatPrints 支持通过 pip、poetry 或者 CLI 的方式来进行安装。在 GitHub 项目中,作者提供了示例代码及具体教程,感兴趣的朋友可自行尝试。

🔧 如果你像我一样不熟悉编程,那么也能参考这篇 文章。只需要几个简单的命令,就能完成从搜索歌曲到生成海报的全过程。

📍 首发频道小红书Twitter微信公众号

频道:@NewlearnerChannel
👍121
#App #Github

🧑‍💻 CUA: 供 AI 代理使用的 macOS 虚拟机

Features

- 在 Apple Silicon 上上创建并运行接近原生性能的 macOS 和 Linux 虚拟机,支持虚拟机显示桌面
- 提供 Python 库,并支持 AI 智能体集成,可在沙盒环境中执行智能化工作流
- 基于 Apple 的 Virtualization.Framework 构建,确保最佳性能

⚙️ 架构

CUA 包含三个核心产品

- Lume: CLI 工具,基于 Apple 的 Virtualization.Framework 构建的虚拟机引擎。一行命令即可启动带桌面显示的虚拟机
- Computer: Python 库,提供 Lume 启动的虚拟机交互接口
- Agent: 智能体框架,可在 Lume 启动的虚拟环境中执行自动化任务

还有一些 辅助库

- Core:提供其他 CUA 包使用的核心功能和实用工具
- PyLume:Lume 的 Python 接口绑定
- Computer Server: Computer-Use 接口的服务器组件,兼容 PyAutoGUI,支持 AI 框架如 Cua, Langchain, CrewAI, AutoGen
- SOM:Agent 识别 UI 元素的工具

👀 体验

当前 AI 与计算环境交互主要有几种方式:

- AI 操控浏览器功能多用于信息检索和研究。通过浏览器,AI 能获取广泛的网络资源,从而更全面地完成用户任务。
- 另一方面,AI 操控本地环境主要应用于代码开发场景,使 AI 能直接修改代码、执行命令和进行编译等操作。

CUA 允许 AI 代理在沙盒环境中同时操作多种工具,包括浏览器、VSCode 和终端等,完成更复杂、更综合的任务流程。这种沙盒化设计确保了安全性,用户不必担心 AI 代理的操作会对本地环境造成意外影响。

虽然沙盒环境需要更多计算资源(如使用 Lume 启动 macOS 虚拟机需要下载 50GB 的镜像),对个人用户来说成本相对较高,但对于希望将此类功能打包为服务提供给其他用户的开发者而言,安全可靠的沙盒环境是不可或缺的。

频道:@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍162🥰1🙏1