Yosoro 开源项目教程
1. 项目介绍
Yosoro 是一个美观的 Markdown 笔记本桌面应用程序,支持云端同步和多种功能。它允许用户管理笔记、支持 LaTeX 数学公式和绘图、文件同步(包括 OneDrive)、图片上传(支持 GitHub、微博、SM.MS)、导出笔记为 Markdown、HTML 或 PDF 格式,以及发布文章(支持 Medium)。Yosoro 提供了两种主题:神秘的暗色主题和可爱的亮色主题。
2. 项目快速启动
安装依赖
首先,确保你已经安装了 Node.js 和 Yarn。然后,克隆项目并安装依赖:
git clone https://github.com/IceEnd/Yosoro.git
cd Yosoro
yarn install
开发环境配置
复制开发配置文件并进行编辑:
cp ./config/devconfig.example.json ./config/devconfig.json
编辑 ./config/devconfig.json 文件,添加 Chrome 扩展路径,例如:
{
"extensions": [
"/Users/xxx/Library/Application Support/Google/Chrome/Default/Extensions/lmhkpmbekcpmknklioeibfkpmmfibljd/2.15.3_0",
"/Users/xxx/Library/Application Support/Google/Chrome/Default/Extensions/fmkadmapgofadopljbjfkapdkoienihi/3.4.0_0"
]
}
运行项目
运行主进程:
npm run dev:main
运行渲染进程:
npm run dev:renderer
构建项目
构建所有部分:
npm run build:all
构建主进程:
npm run build:main
构建渲染进程:
npm run build:renderer
打包项目
打包为 macOS 应用:
npm run packager:mac
打包为 Windows 应用:
npm run packager:win
打包为 64 位 Windows 应用:
npm run packager:win:64
打包为 Linux 应用:
npm run packager:linux
3. 应用案例和最佳实践
案例1:学术笔记管理
Yosoro 可以用于管理学术笔记,支持 LaTeX 数学公式和绘图功能,非常适合科研人员和学生使用。用户可以将笔记同步到 OneDrive,确保数据安全。
案例2:博客文章撰写
Yosoro 支持将笔记导出为 Markdown、HTML 或 PDF 格式,用户可以轻松撰写博客文章并发布到 Medium 等平台。
最佳实践
- 定期备份:使用 OneDrive 或其他云服务定期备份笔记,防止数据丢失。
- 主题切换:根据个人喜好切换暗色或亮色主题,提高使用体验。
- 图片管理:利用图片上传功能,将图片上传到 GitHub 或微博,方便笔记中的图片引用。
4. 典型生态项目
Electron
Yosoro 基于 Electron 框架开发,Electron 是一个使用 JavaScript、HTML 和 CSS 构建跨平台桌面应用程序的框架。
React
Yosoro 的前端使用 React 框架,React 是一个用于构建用户界面的 JavaScript 库。
Markdown
Yosoro 支持 Markdown 语法,Markdown 是一种轻量级标记语言,易于阅读和编写。
LaTeX
Yosoro 支持 LaTeX 数学公式,LaTeX 是一种基于 TeX 的排版系统,广泛用于学术界。
OneDrive
Yosoro 支持 OneDrive 文件同步,OneDrive 是微软提供的云存储服务。
通过这些生态项目的支持,Yosoro 提供了强大的功能和良好的用户体验。
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-1.5HunyuanVideo-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