QMK Keymap 项目下载及安装教程
1. 项目介绍
QMK Keymap 是一个开源项目,旨在为 Quantum Mechanical Keyboard (QMK) 提供可重用的键盘映射和功能库。该项目由 Pascal Getreuer 开发,适用于 Dactyl Ergodox、ZSA Moonlander 和 ZSA Voyager 等键盘。QMK Keymap 不仅提供了个性化的键盘映射,还包含多个用户空间功能库,如 Achordion、Custom Shift Keys、Mouse Turbo Click 等,极大地增强了键盘的功能性和可定制性。
2. 项目下载位置
要下载 QMK Keymap 项目,请使用以下命令:
git clone https://github.com/getreuer/qmk-keymap.git
3. 项目安装环境配置
在安装 QMK Keymap 之前,需要确保系统中已安装 QMK 固件开发环境。以下是配置步骤:
3.1 安装 QMK 工具箱
首先,下载并安装 QMK 工具箱。QMK 工具箱是一个图形化工具,用于编译和刷写 QMK 固件。

3.2 安装 QMK CLI
接下来,安装 QMK CLI(命令行界面)。QMK CLI 是一个强大的工具,用于管理和编译 QMK 固件。
python3 -m pip install qmk
3.3 初始化 QMK 环境
使用 QMK CLI 初始化 QMK 环境:
qmk setup

4. 项目安装方式
安装 QMK Keymap 项目的步骤如下:
4.1 克隆项目
首先,克隆 QMK Keymap 项目到本地:
git clone https://github.com/getreuer/qmk-keymap.git
4.2 配置用户覆盖目录
运行以下命令,配置 QMK 用户覆盖目录:
qmk config user.overlay_dir="$(realpath path/to/qmk-keymap)"
4.3 编译并刷写固件
根据使用的键盘类型,选择相应的命令编译并刷写固件:
-
Dactyl Ergodox:
qmk flash -kb handwired/dactyl_promicro -km getreuer -
ZSA Moonlander:
qmk flash -kb zsa/moonlander -km getreuer -
ZSA Voyager:
qmk flash -kb zsa/voyager -km getreuer
5. 项目处理脚本
QMK Keymap 项目包含多个处理脚本,用于自动化编译和刷写过程。以下是一些常用的脚本:
5.1 compile.sh
该脚本用于编译 QMK Keymap 项目:
#!/bin/bash
qmk compile -kb handwired/dactyl_promicro -km getreuer
5.2 flash.sh
该脚本用于刷写编译后的固件:
#!/bin/bash
qmk flash -kb handwired/dactyl_promicro -km getreuer
通过这些脚本,可以简化 QMK Keymap 项目的管理和部署过程。
以上是 QMK Keymap 项目的下载及安装教程。希望这篇文章能帮助你顺利完成项目的安装和配置。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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