PromptLab扩展中Action Script输入变量的使用技巧
2025-06-04 07:50:58作者:董斯意
在Raycast的PromptLab扩展开发过程中,开发者经常会遇到需要在Action Script中获取用户输入文本的需求。本文将通过一个实际案例,深入探讨PromptLab中变量传递的机制和最佳实践。
问题背景
当开发者创建自定义命令时,通常会设计一个AI处理流程:首先获取用户选中的文本(selectedText),经过AI处理后生成响应(response),最后可能需要将这些信息保存到文件中。在这个过程中,如何将初始输入文本传递给后续的Action Script成为了一个关键问题。
变量传递机制分析
PromptLab提供了两种主要的变量传递方式:
-
传统环境变量方式:通过
$input变量传递,这种方式实际上获取的是通过QuickLink输入参数传递的文本,而不是模板中的{{selectedText}}值。 -
模板占位符方式:直接使用
{{selectedText}}这样的占位符语法,这种方式会在脚本执行时动态获取当前的选中文本值。
技术实现对比
| 方式 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
$input变量 |
简单直接 | 只能获取QuickLink输入 | 简单命令处理 |
{{selectedText}}占位符 |
动态获取最新值 | 值可能随时间变化 | 需要精确获取输入文本的场景 |
最佳实践建议
-
对于需要精确获取初始输入文本的场景,推荐使用模板占位符方式,如
/script.sh "{{selectedText}}" "$response"。 -
注意时效性问题:占位符方式获取的是执行时的当前值,如果用户在AI处理过程中改变了选中文本,获取的值也会相应变化。
-
未来改进方向:PromptLab可能会改进这一机制,使Action Script能够访问发送给模型的原始占位符值,这将提供更一致的开发体验。
实际应用示例
以下是一个完整的英语文本校正命令实现示例:
# 提示词模板
"You are the English teacher. Try to fix typo, grammar and repeats for the text. Keep original meaning.
Input text: "{{selectedText}}"
As result, give only result text."
# 动作脚本
/save_corrections.sh "{{selectedText}}" "$response"
这种方式确保了原始输入文本和AI校正结果都能被准确记录,非常适合用于学习分析和内容存档等场景。
通过理解PromptLab的这些特性,开发者可以构建更可靠、功能更丰富的自定义命令,提升工作效率和用户体验。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
383
457
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++
894
680
暂无简介
Dart
804
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
210
昇腾LLM分布式训练框架
Python
119
146
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
12
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
68
20
🎉 (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
1.37 K
781