WebMemex浏览器扩展使用教程
2025-04-19 14:38:16作者:蔡怀权
1. 项目介绍
WebMemex 是一个浏览器扩展,旨在将浏览器转变为一个离线优先的知识管理工具。它可以保存你访问的网页到本地计算机,通过去除脚本和大部分交互行为,同时内联所有图片和样式表,让你能以看到的样子保存页面。长期目标是让用户能够提取引用、创建笔记并在事物之间建立链接,真正地扩展个人网络。最终,用户应该能够发布(部分)个人网络,与他人分享知识,从而将浏览器从“网页浏览器”转变为“网页编织者”。
2. 项目快速启动
环境准备
-
克隆项目仓库到本地:
git clone https://github.com/WebMemex/webmemex-extension.git -
确保安装了 Node.js 和 NPM,版本要求 Node/NPM ≥10。
安装依赖
在项目根目录下运行以下命令安装依赖:
make
编译源文件
使用以下命令编译源文件:
make build
加载到浏览器
Firefox
运行以下命令来加载扩展到 Firefox:
npm run firefox
或者直接运行 web-ext 命令以获得更多控制选项。
也可以通过访问 about:debugging,选择“加载临时扩展”,然后选择本项目中的 extension/manifest.json 文件。
Chromium/Chrome/Opera/Brave
- 打开浏览器的扩展页面(如 Chrome 中为
chrome://extensions/)。 - 启用“开发者模式”。
- 点击“加载未封装的扩展”,然后选择本项目中的
extension/文件夹。
自动重新编译
如果上述步骤成功,运行以下命令将触发每次源文件修改后的快速重新编译:
npm run watch
如果通过 npm run firefox 或 web-ext 在 Firefox 中测试,扩展应该也会自动重新加载。否则,需要在扩展列表中手动点击重新加载按钮。
3. 应用案例和最佳实践
- 网页保存:对于重要的网页内容,使用 WebMemex 进行保存,确保即使原网站关闭,你也能访问这些信息。
- 知识管理:通过提取引用、创建笔记,构建个人知识库。
- 内容分享:发布个人网络的部分内容,与他人分享你的知识和见解。
4. 典型生态项目
WebMemex 作为浏览器扩展,可以与多种类型的开源项目配合使用,例如:
- PouchDB:一个轻量级的数据库,用于存储和管理网页数据。
- React + Redux:用于构建扩展的用户界面。
- WebExtensions:支持在 Firefox 和 Chrome/Chromium 浏览器上运行的扩展开发框架。
通过上述介绍,你可以开始探索 WebMemex 的功能,并将其集成到你的知识管理流程中。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322