Newelle 开源项目安装与使用教程
2024-09-12 22:24:09作者:昌雅子Ethen
1、项目介绍
Newelle 是一个功能强大的虚拟助手,旨在通过 AI 技术帮助用户执行各种任务。它支持终端命令执行、高级定制和灵活的模型支持。Newelle 还支持扩展功能,用户可以使用现有扩展或创建自己的扩展来增强应用的功能。
2、项目快速启动
安装步骤
-
安装 GNOME Builder: 首先,确保你的系统上已经安装了 GNOME Builder。如果没有安装,可以通过以下命令进行安装:
sudo apt-get install gnome-builder -
克隆 Newelle 仓库: 使用 Git 克隆 Newelle 仓库到本地:
git clone https://github.com/qwersyk/Newelle.git -
打开项目并编译: 打开 GNOME Builder,导入克隆的项目,然后点击“编译”按钮进行编译。
-
运行程序: 编译完成后,可以在 GNOME Builder 中直接运行程序,或者找到编译后的可执行文件运行。
通过 Flatpak 安装
-
安装 Flatpak: 确保你的系统上已经安装了 Flatpak。如果没有安装,可以通过以下命令进行安装:
sudo apt-get install flatpak -
安装 Newelle: 使用以下命令从 Flathub 安装 Newelle:
flatpak install flathub io.github.qwersyk.Newelle -
运行 Newelle: 安装完成后,可以通过以下命令运行 Newelle:
flatpak run io.github.qwersyk.Newelle
3、应用案例和最佳实践
应用案例
- 自动化任务:Newelle 可以用于自动化日常任务,如定时执行脚本、监控系统状态等。
- AI 助手:作为一个虚拟助手,Newelle 可以用于与 AI 模型交互,执行复杂的查询和分析任务。
最佳实践
- 扩展开发:用户可以根据自己的需求开发新的扩展,增强 Newelle 的功能。
- 权限管理:在使用 Flatpak 版本时,注意权限管理,确保数据安全和隐私。
4、典型生态项目
- GNOME Builder:用于开发和编译 Newelle 的主要工具。
- Flatpak:用于分发和运行 Newelle 的包管理工具。
- GTK4 和 Adwaita:Newelle 使用的图形库和主题。
通过以上步骤,你可以快速启动并使用 Newelle 项目,并根据实际需求进行定制和扩展。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
731
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460