Amazon-Fresh-Whole-Foods-delivery-slot-finder 的安装和配置教程
项目基础介绍
Amazon-Fresh-Whole-Foods-delivery-slot-finder 是一个开源项目,旨在帮助用户找到亚马逊 Whole Foods 和 Amazon Fresh 的可用送货时段。该项目特别适用于那些在疫情期间难以找到送货时段的用户,尤其是处于风险中的人群,如老年人、免疫系统低下者以及医疗工作者。
该项目的主要编程语言是 AppleScript,它是一种易于使用的脚本语言,允许自动化和增强 macOS 的功能。
项目使用的关键技术和框架
- AppleScript:用于编写自动化脚本,与 macOS 系统进行交互。
- Safari 浏览器:项目通过 Safari 浏览器自动化登录亚马逊账户并查找送货时段。
- 通知系统:当找到可用送货时段时,系统会通过 macOS 的通知功能提醒用户。
项目安装和配置的准备工作
在开始安装之前,请确保您的计算机满足以下要求:
- 操作系统:macOS
- 浏览器:Safari 浏览器
- 权限:确保您的 macOS 系统允许脚本访问 Safari 浏览器和通知系统。
安装步骤
-
克隆项目: 打开终端,使用以下命令克隆项目到本地计算机:
git clone https://github.com/ahertel/Amazon-Fresh-Whole-Foods-delivery-slot-finder.git -
打开脚本: 使用 Finder 打开克隆后的文件夹,找到名为
delivery-window-finder.scpt的文件。双击文件,使用 Script Editor(脚本编辑器)打开。 -
配置脚本: 在打开的脚本中,您可能需要根据您的亚马逊账户和偏好设置进行调整。例如,设置接收通知的电话号码等。
-
运行脚本: 在 Script Editor 中,点击“播放”按钮运行脚本。脚本将自动打开 Safari 浏览器,并尝试登录您的亚马逊账户。
-
设置权限: 首次运行脚本时,系统可能会提示您授权脚本访问 Safari 和通知系统。请确保授权,否则脚本将无法正常运行。
-
测试脚本: 完成设置后,您可以测试脚本是否能够成功找到送货时段。如果一切正常,当脚本找到可用时段时,您将在屏幕上收到通知。
-
注意事项: 请确保在脚本运行期间,您的计算机不会进入睡眠状态,否则脚本将停止运行。您可以通过调整“能源节省”设置或在 App Store 中下载 Caffeine 应用来防止计算机入睡。
通过以上步骤,您应该能够成功安装和配置 Amazon-Fresh-Whole-Foods-delivery-slot-finder 项目,并开始使用它来查找亚马逊 Whole Foods 和 Amazon Fresh 的送货时段。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00