Hyprland 配置迁移:从 fakefullscreen 到 fullscreenstate 的升级指南
在最新的 Hyprland 窗口管理器更新中,开发者移除了 fakefullscreen 调度器,并引入了功能更强大的 fullscreenstate 作为替代方案。这一变更影响了众多用户的配置文件,特别是那些依赖 fakefullscreen 来实现伪全屏功能的用户。
变更背景
fakefullscreen 是 Hyprland 早期版本中用于控制窗口全屏状态的调度器命令。它允许窗口在不真正进入全屏模式的情况下,占据整个屏幕空间。这种伪全屏模式在某些场景下非常有用,比如需要临时最大化窗口但又不想影响其他工作区布局的情况。
随着 Hyprland 的发展,开发者决定用 fullscreenstate 这一更灵活的命令来替代 fakefullscreen。新的命令提供了更精细的控制选项,能够满足更多样化的使用场景。
迁移方法
要将现有的 fakefullscreen 配置迁移到新的 fullscreenstate,只需简单修改配置文件中的相关键绑定即可。以下是具体的修改方法:
-
打开你的 Hyprland 配置文件(通常位于
~/.config/hypr/hyprland.conf或~/.config/hypr/keybinds.conf) -
找到包含
fakefullscreen的行,例如:bind = $mainMod, F, fakefullscreen -
将其替换为:
bind = $mainMod, F, fullscreenstate, 0 3
参数解析
fullscreenstate 命令接受两个参数:
- 第一个参数(0):表示目标窗口的地址,0 表示当前聚焦的窗口
- 第二个参数(3):表示全屏状态类型,3 对应之前的伪全屏模式
其他可用的全屏状态类型包括:
- 0:关闭全屏
- 1:普通全屏
- 2:最大化(类似平铺式窗口管理器的行为)
常见问题解决方案
如果迁移后发现伪全屏功能不正常,可以尝试以下解决方案:
- 确保使用的是最新版本的 Hyprland
- 检查命令拼写是否正确
- 确认参数格式是否正确(两个数字参数之间需要有空格)
- 可以尝试不同的全屏状态类型值来找到最适合你工作流程的配置
进阶配置建议
新的 fullscreenstate 命令提供了更多可能性。例如,你可以为不同的全屏模式设置不同的快捷键:
# 普通全屏
bind = $mainMod, F, fullscreenstate, 0 1
# 伪全屏
bind = $mainMod SHIFT, F, fullscreenstate, 0 3
# 最大化
bind = $mainMod ALT, F, fullscreenstate, 0 2
这种细粒度的控制可以让你的窗口管理工作更加高效灵活。
总结
Hyprland 从 fakefullscreen 到 fullscreenstate 的变更虽然需要用户进行配置调整,但带来了更强大的功能和控制能力。通过简单的命令替换和参数调整,用户可以轻松完成迁移,并享受到更完善的窗口管理体验。
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-1.5暂无简介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
Spark-Formalizer-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
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