【亲测免费】 AutoHotkey v1.0 使用教程
1. 项目介绍
AutoHotkey(简称AHK)是一个强大的、易于使用的脚本语言,专门用于Windows桌面自动化。它允许用户通过编写脚本来实现各种自动化任务,如快捷键映射、窗口管理、鼠标和键盘操作等。AutoHotkey v1.0是该项目的早期版本,虽然后续有更新版本,但v1.0仍然被广泛使用。
2. 项目快速启动
2.1 安装AutoHotkey
首先,从AutoHotkey官网下载并安装AutoHotkey v1.0。安装完成后,你可以在开始菜单中找到AutoHotkey的快捷方式。
2.2 编写第一个脚本
创建一个新的文本文件,并将其后缀名改为.ahk。例如,创建一个名为hello.ahk的文件。
在文件中输入以下代码:
; 这是一个简单的AutoHotkey脚本
; 按下Win + G键时,弹出一个消息框
#g::
MsgBox, Hello, AutoHotkey!
return
2.3 运行脚本
双击你创建的.ahk文件,AutoHotkey会自动运行该脚本。按下Win + G键,你应该会看到一个弹出消息框,显示“Hello, AutoHotkey!”。
3. 应用案例和最佳实践
3.1 快捷键映射
AutoHotkey最常见的用途之一是创建自定义快捷键。例如,你可以将Ctrl + Alt + Del映射为打开任务管理器:
^!Delete::Run, taskmgr.exe
3.2 自动化任务
你可以使用AutoHotkey来自动化重复性任务。例如,自动填写表单:
; 打开浏览器并导航到表单页面
Run, https://example.com/form
; 等待页面加载
WinWaitActive, Form - Google Chrome
; 自动填写表单
Send, John Doe{Tab}
Send, john.doe@example.com{Tab}
Send, 123 Main St{Tab}
Send, {Enter}
3.3 窗口管理
AutoHotkey还可以用于管理窗口。例如,你可以创建一个脚本来最大化所有打开的窗口:
; 最大化所有窗口
WinGet, id, list,,, Program Manager
Loop, %id%
{
this_id := id%A_Index%
WinMaximize, ahk_id %this_id%
}
4. 典型生态项目
4.1 AHK Studio
AHK Studio是一个专门为AutoHotkey脚本编写者设计的集成开发环境(IDE)。它提供了语法高亮、代码补全、调试工具等功能,极大地提高了脚本编写的效率。
4.2 AutoHotkey.dll
AutoHotkey.dll是一个允许你在其他编程语言中调用AutoHotkey脚本的库。通过这个库,你可以在C++、C#等语言中集成AutoHotkey的功能。
4.3 AutoHotkey-Scripts
AutoHotkey-Scripts是一个社区驱动的项目,收集了大量用户分享的AutoHotkey脚本。你可以在这里找到各种实用的脚本,如自动化办公、游戏辅助等。
通过以上内容,你应该已经对AutoHotkey v1.0有了基本的了解,并能够开始编写和运行自己的脚本。希望这个教程对你有所帮助!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07