Windows Terminal 使用教程
项目介绍
Windows Terminal 是一个现代的、功能丰富的终端应用程序,专为命令行用户设计。它包含了许多Windows命令行社区最常请求的功能,包括标签支持、富文本、全球化、可配置性、主题和样式等。Windows Terminal 还旨在保持快速和高效,不会消耗大量的内存或电源。
项目快速启动
安装 Windows Terminal
你可以通过多种方式安装 Windows Terminal,以下是几种常见的方法:
使用 Windows Package Manager CLI (winget)
winget install --id Microsoft.WindowsTerminal -e
使用 Chocolatey
choco install microsoft-windows-terminal
使用 Scoop
scoop bucket add extras
scoop install windows-terminal
启动 Windows Terminal
安装完成后,你可以在开始菜单中找到 Windows Terminal 并启动它。你也可以通过命令行启动:
wt
应用案例和最佳实践
多标签和窗格
Windows Terminal 支持多标签和窗格,可以让你在一个窗口中同时运行多个命令行会话。你可以通过快捷键 Ctrl + Shift + T 打开新标签页,通过 Alt + Shift + D 复制当前窗格。
自定义配置
Windows Terminal 支持丰富的自定义配置。你可以在 settings.json 文件中进行配置,该文件通常位于 %LOCALAPPDATA%\Packages\Microsoft.WindowsTerminal_<random>\LocalState\ 目录下。
以下是一个简单的自定义配置示例:
{
"profiles": {
"defaults": {
"fontFace": "Cascadia Code",
"fontSize": 12,
"colorScheme": "Campbell"
}
}
}
典型生态项目
Windows Console Host
Windows Console Host (conhost.exe) 是 Windows 的原生命令行用户体验。它托管了 Windows 的命令行基础设施和 Windows Console API、输入引擎、渲染引擎和用户偏好等。
Windows Terminal Preview
Windows Terminal Preview 是 Windows Terminal 的预览版本,包含了一些尚未正式发布的功能和改进。你可以通过 Microsoft Store 安装 Windows Terminal Preview。
Windows Terminal Canary
Windows Terminal Canary 是 Windows Terminal 的每日构建版本,包含最新的代码。这个版本最不稳定,可能包含未发现的 bug,适合喜欢尝试最新功能的用户。
通过这些模块的介绍和实践,你应该能够快速上手并充分利用 Windows Terminal 的功能。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07