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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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