【亲测免费】 NoteBook FanControl Linux版技术手册
概览
NoteBook FanControl(简称NBFC)是一款专为Linux系统设计的笔记本风扇控制工具,由C语言重写自Stefan Hirschmann的原C#版本。本手册旨在指导您完成安装、配置以及高级使用的全过程,确保您的设备能够根据温度智能调节风扇速度,提升用户体验。
安装指南
Arch Linux
通过AUR安装:yay -S nbfc-linux
或手动编译:使用PKGBUILD文件位于pkgbuilds/nbfc-linux-git/PKGBUILD
Debian/Ubuntu
下载最新版本 .deb 文件:0.2.7版本示例,查看全部版本:GitHub 页面。
Fedora
下载最新 .rpm 文件:0.2.7版本示例,更多版本见:GitHub 页面。
NixOS
可以采用声明式或命令式安装方法,详细步骤参阅项目文档中的[nixos-installation-new.md]和[nixos-installation.md]。
其他Linux发行版
通用手动编译安装流程:
- 执行
./autogen.sh - 配置安装路径
./configure --prefix=/usr --sysconfdir=/etc- 对于OpenRC系统使用
--with-init-system=openrc - 对于System-V-Init系统使用
--with-init-system=systemv
- 对于OpenRC系统使用
- 编译
make - 管理员权限下安装
sudo make install
特殊系统配置
对于需要特定版本的Fedora,需自行编辑pkgbuilds/rpm/nbfc-linux.spec并编译。
项目的使用说明
启动GUI配置
安装后,以管理员身份运行 sudo nbfc-qt 来配置NBFC-Linux。
命令行配置
首次运行前,需指定或选择配置文件。
- 自动匹配配置:
sudo nbfc config --set auto - 推荐配置:
sudo nbfc config --recommend - 手动设置配置:
sudo nbfc config --set <MODEL>之后,启动服务:sudo nbfc start
查询和服务管理
检查状态:nbfc status -a
开机自启设置:sudo systemctl enable nbfc_service
项目API使用文档
虽然NBFC主要是通过命令行界面(CLI)和图形用户界面(GUI)来交互,但其核心逻辑支持了如下的概念:
- 温度算法:平均(
Average)、最低(Min)、最高(Max)。 - 温度源配置:允许用户通过JSON配置文件定义不同风扇对应不同的温度计算策略及来源。
例如配置示例显示了如何指定风扇和对应的温度监控策略:
{
...
"FanTemperatureSources": [
{ ... }, { ... }, { ... } // 每个对象定义一个风扇的温度监测策略
]
}
这些配置直接影响NBFC的服务行为。
附录:系统差异
NBFC-Linux在文件路径、服务文件命名等方面与原始的NBFC在Windows上有区别。例如,配置文件从XML转换为了JSON格式,系统服务文件命名更新等。
注意事项与故障排除
使用时确保依赖模块(如ec_sys或acpi_ec)已正确配置或加载,否则可能需手动编译。NBFC-Linux不直接支持旧有的Autostart选项,依赖于systemd服务进行自动启动控制。
本文档提供了安装至高级配置的全面指导,确保您能有效利用NBFC/Linux来优化您的笔记本散热管理。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00