iOS-Weekly 项目推荐:Swift 实现的 macOS 命令行工具 rmtrash
在 macOS 系统中,rm 命令是一个常用的文件删除工具,但它有一个明显的缺点:删除的文件会直接从系统中消失,无法恢复。为了解决这个问题,开发者们通常会寻找替代方案,将文件移动到废纸篓而不是永久删除。今天我们要介绍的就是一个基于 Swift 实现的 rm 命令替代工具——rmtrash。
rmtrash 是一个开源的命令行工具,它的主要功能是将文件移动到 macOS 的废纸篓而不是直接删除。这个工具特别适合那些希望在删除文件时保留恢复可能性的用户。与系统自带的 rm 命令相比,rmtrash 提供了更安全、更人性化的文件删除方式。
目前 Homebrew 上有两个类似的工具:一个是 Objective-C 版本的 trash,另一个是 Swift 版本的 macos-trash。然而,这两个项目分别已经有 6 年和 2 年没有更新了,而且都存在一些不足之处。trash 没有采用最新的废纸篓 API,而 macos-trash 的实现又过于简单,缺乏对 rm 命令标志位的完整支持。
rmtrash 的优势在于它完全兼容 Linux 和 macOS 版本的 rm 命令标志位。这意味着用户可以像使用原生 rm 命令一样使用 rmtrash,而无需改变原有的使用习惯。无论是递归删除目录、强制删除文件,还是交互式删除等操作,rmtrash 都能完美支持。
对于开发者来说,rmtrash 的另一个亮点是它采用了 Swift 语言实现。Swift 作为苹果官方推荐的开发语言,在 macOS 平台上有着天然的优势。使用 Swift 实现不仅保证了工具的性能,也使得代码更易于维护和扩展。
从技术实现角度来看,rmtrash 充分利用了 macOS 系统提供的废纸篓 API,确保文件移动操作的可靠性和兼容性。同时,它还对命令行参数进行了精心设计,确保与标准 rm 命令的参数格式保持一致,降低了用户的学习成本。
对于经常需要在命令行下操作文件的 macOS 用户来说,rmtrash 是一个非常实用的工具。它既保留了 rm 命令的灵活性,又增加了文件恢复的可能性,可以说是两全其美的解决方案。特别是对于那些经常误删重要文件的用户,使用 rmtrash 可以大大降低数据丢失的风险。
值得一提的是,rmtrash 的作者正在努力将其发布到 Homebrew 的核心仓库中。这不仅能方便更多用户安装使用,也代表着这个工具的质量得到了社区的认可。对于关注 macOS 命令行工具开发的开发者来说,rmtrash 的代码也值得研究,可以学习到如何在 Swift 中实现命令行工具以及与系统 API 的交互。
总的来说,rmtrash 是一个设计精良、实用性强的 macOS 命令行工具,它完美地填补了系统 rm 命令在安全性方面的不足,是每个注重数据安全的 macOS 用户都应该考虑使用的工具。
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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