【亲测免费】 Joplin Outline 插件下载及安装教程
1. 项目介绍
Joplin Outline 是一个为 Joplin 笔记应用开发的 Markdown 大纲(TOC)侧边栏插件。该插件支持 atx 风格的标题(#),不支持 setext 风格的标题(---, ===)。它还支持右键粘贴 Markdown 内部链接、可折叠的大纲、自动编号、自定义样式以及在编辑模式下跳转到标题等功能。
2. 项目下载位置
要下载 Joplin Outline 插件,请访问项目的 GitHub 仓库。你可以通过以下步骤下载项目:
-
打开终端或命令行工具。
-
使用
git clone命令下载项目:git clone https://github.com/cqroot/joplin-outline.git
3. 项目安装环境配置
在安装 Joplin Outline 插件之前,请确保你的系统满足以下要求:
- Joplin 1.3.15 或更高版本(支持应用程序插件)
- Node.js 和 npm(用于构建插件)
环境配置示例
以下是配置环境的步骤:
-
安装 Node.js 和 npm:
-
访问 Node.js 官方网站 下载并安装 Node.js。
-
安装完成后,打开终端并运行以下命令以验证安装:
node -v npm -v -
你应该会看到类似以下的输出,表示 Node.js 和 npm 已成功安装:
v14.17.0 6.14.13
-
-
安装 Joplin:
- 访问 Joplin 官方网站 下载并安装 Joplin。
环境配置图片示例


4. 项目安装方式
安装 Joplin Outline 插件的步骤如下:
-
下载插件:
按照第2部分中的步骤,使用
git clone命令下载项目。 -
构建插件:
进入项目目录并运行以下命令以构建插件:
cd joplin-outline npm install npm run dist -
安装插件:
构建完成后,将生成的
outline.jpl文件复制到 Joplin 的插件目录中。通常,该目录位于~/.config/joplin-desktop/plugins/或~/.config/joplin-cli/plugins/,具体路径取决于你的操作系统。 -
重启 Joplin:
重启 Joplin 应用程序,插件将自动加载并执行。
5. 项目处理脚本
Joplin Outline 插件使用 Webpack 进行构建,生成的编译代码位于 /dist 目录中。以下是一些常用的处理脚本:
-
构建插件:
npm run dist -
更新插件框架:
yo joplin --update注意:更新插件框架会覆盖所有框架相关的文件(位于
src/目录之外),因此请确保你的代码已进行版本控制,以便在更新后恢复你的更改。
通过以上步骤,你可以成功下载、安装并配置 Joplin Outline 插件,享受其提供的丰富功能。
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