Launchbot 技术文档
本文档将详细介绍如何安装、使用以及通过 API 操作 Launchbot 项目。以下是文档的主要内容:
1. 安装指南
Launchbot 可以直接从文件系统中使用,无需特别安装。确保使用 dist 文件夹中的构建文件,其他文件仅用于开发。
开发环境
-
Node.js: 当前开发版本针对 Node.js
8.11.4。 -
克隆仓库并切换到
Launchbot文件夹。 -
安装依赖:
npm install
风格指南
- CSS: michaelx/code-guide
- JavaScript: airbnb-base
2. 项目的使用说明
自托管 Launchbot
克隆或下载仓库。复制 dist 文件夹(或其中的文件)到您希望放置的位置。这可以是文件系统或网络服务器上。在浏览器中导航到 index.html 文件。例如:file:///Users/michael/Projects/Launchbot/dist/index.html 或 https://launchbot.michaelxander.com(在服务器上可以省略 index.html)。打开“设置”以自定义集合、管理插件和调整选项。
嵌入默认配置
- 编辑文件
src/js/config.js。 - 创建新构建:
npm run build。 - 上传
dist文件夹中的文件。
升级
执行 git pull,或下载最新版本并替换您的副本。如果使用嵌入默认配置,请确保备份或 stage 并 merge。
3. 项目 API 使用文档
目前 Launchbot 的 API 使用详情并未在文档中明确说明,主要功能集中在通过浏览器本地存储(localStorage)进行数据交互。
4. 项目安装方式
Launchbot 的安装方式主要是通过下载仓库中的 dist 文件夹,并将其放置在文件系统或网络服务器上。具体步骤如下:
- 克隆或下载 Launchbot 仓库。
- 复制
dist文件夹到目标位置。 - 在浏览器中打开
index.html文件。
快捷键
1至9: 打开集合s或/: 搜索esc: 关闭搜索
设置
在打开设置面板并进行了所有更改后,请确保滚动到底部以保存或重置设置。
集合
这些是您的网站集合。您可以添加任意数量。每行输入一个 URL。
选项
darkMode:true或false,启用暗模式或使用亮主题。searchEngine: 搜索引擎 URL 字符串。faviconSize: 网站图标大小整数。faviconService: 获取网站图标的服务 URL 字符串。linkTarget:_blank,设置打开网站集的位置。keyboardShortcuts:true或false,启用或禁用快捷键。
插件
目前有两个默认插件。开发新插件应该是直接的。
天气
显示天气信息。例如:
柏林的天气:大部分多云,16°C(最高 22°),3km/h 风速 0% 降水,75% 云量。
天气插件使用 Dark Sky API。请先熟悉他们的服务(API 文档)。每天免费提供 1,000 次调用。
年龄
显示您的精确年龄以及距离您设定的目标的百分比和年数。例如:
年龄:30.99692,55.72% 达到 70 岁的目标
激励人心,对吧?
birthday:yyyy-mm-dd格式的字符串,出生日期。goal: 整数,目标的年数。
兼容性
您需要允许 Launchbot 弹出窗口。浏览器应会提示您。
然后,只要启用 JavaScript,Launchbot 应该可以在大多数设备的所有主流浏览器上工作。
异常
iOS 上的 Safari 只允许每个操作打开一个新标签页。如果有足够的需求,我会尝试 其他方法。目前您可以在 iOS 上的 Chrome 中使用 Launchbot。
主题
暗主题 (默认)

亮主题

作者
Michael Xander
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00