告别繁琐配置:Super Productivity 全平台安装与个性化指南
Super Productivity 是一款集成时间盒(Timeboxing)和时间跟踪功能的高级待办事项应用(Todo List App),支持从日历、Jira、GitHub 等平台导入任务。本文将详细介绍如何在不同操作系统中安装配置该应用,并展示如何通过插件扩展功能,让任务管理效率提升 300%。
应用概览
Super Productivity 提供直观的任务管理界面,支持项目分类、标签管理、时间跟踪等核心功能,同时具备 Jira、GitHub 等第三方服务集成能力。
官方文档:README.md
功能特性:CONTRIBUTING.md
快速安装指南
全平台通用方式
从源码构建需要 Node.js(v20+)环境,适合开发人员:
git clone https://gitcode.com/GitHub_Trending/su/super-productivity
cd super-productivity
npm install -g @angular/cli
npm install
npm run env # 初始化环境配置
ng serve # 启动开发服务器
开发文档:docs/ENV_SETUP.md
Windows 系统
推荐通过 Microsoft Store 安装以获得自动更新:
或使用 Chocolatey 包管理器:
choco install super-productivity
macOS 系统
通过 Homebrew 快速安装:
brew install --cask superproductivity
Mac App Store 版本:App Store 链接
Linux 系统
Snap 方式(推荐)
sudo snap install superproductivity
# 边缘通道(尝鲜版)
sudo snap install --channel=edge superproductivity
Flatpak 方式
flatpak install flathub com.super_productivity.SuperProductivity
flatpak run com.super_productivity.SuperProductivity
移动设备
Android 用户可通过 Google Play 或 F-Droid 安装:
安卓源码:android/
Docker 部署
适合团队共享或服务器部署:
docker run -d -p 80:80 johannesjo/super-productivity:latest
Docker 配置:docker-compose.yaml
初始配置流程
数据同步设置
支持 WebDAV、Dropbox 等多种同步方式,配置路径:设置 > 同步 > 添加同步目标
同步文档:docs/sync/vector-clocks.md
集成第三方服务
- Jira 集成:在设置中添加 Jira 服务器地址及 API 令牌
- GitHub 集成:生成个人访问令牌并授予 repo 权限
- 日历同步:支持 CalDAV 协议的日历服务
集成文档:docs/add-new-integration.md
个性化与高级功能
自定义主题
桌面版支持通过 CSS 自定义界面样式,将自定义样式文件保存至:
- Windows:
%APPDATA%\superProductivity\styles.css - macOS:
~/Library/Application Support/superProductivity/styles.css - Linux:
~/.config/superProductivity/styles.css
插件扩展
通过插件系统增强功能,官方提供多个示例插件:
插件开发文档:docs/plugin-development.md
键盘快捷键
常用快捷键提升操作效率:
Shift+A: 添加新任务D: 标记任务为完成Y: 开始/停止时间跟踪S: 打开任务计划对话框
完整快捷键列表:README.md(搜索 "Keyboard shortcuts")
故障排除
常见问题解决
-
Linux Wayland 兼容性:
superproductivity --force-x11 -
数据迁移:用户数据位于 用户数据文件夹(搜索 "User Data Folder")
-
备份恢复:自动备份存储在
backup子目录,可通过设置页面导入
总结与资源
Super Productivity 提供跨平台一致的任务管理体验,通过本文指南可快速完成安装配置。更多资源:
- 官方教程:AGENTS.md
- 安全策略:SECURITY.md
- 更新日志:CHANGELOG.md
通过合理配置同步服务和插件扩展,可打造个性化的 productivity 工作流。建议定期备份数据并关注版本更新以获取新功能。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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

