awesome-trilium:Trilium笔记增强集合指南
项目介绍
🎉 awesome-trilium 是一个精心策划的资源列表,专为 Trilium Notes 用户设计,汇聚了大量扩展,包括但不限于主题、小部件、脚本、API 扩展等。这个仓库是 Trilium 生态系统中的一个宝藏,邀请所有用户贡献自己发现或创建的酷炫组件,旨在帮助大家更好地个性化和拓展自己的知识管理体验。
项目快速启动
快速开始使用 awesome-trilium 中的资源,首先要确保您已安装了 Trilium Notes。以下是基本步骤:
-
安装 Trilium Notes: 访问Trilium GitHub 页面以获取最新版本的安装程序。
-
浏览与挑选: 转至 awesome-trilium 仓库,选择您感兴趣的扩展、主题或其他组件。
-
安装扩展: 大多数 Trilium 扩展提供说明文档在各自的页面或在这个列表的描述中。通常,这涉及到将提供的
.js或相关文件复制到 Trilium 的addons目录下。# 假设你下载了一个名为cool-extension.js的扩展 cp path/to/downloaded/coolextension.js ~/Library/Application\ Support/Trilium/notes/root/addons/注意路径可能因你的操作系统和个人配置而异。
-
重启 Trilium: 安装完扩展后重新启动 Trilium 应用,以便加载新的扩展功能。
应用案例和最佳实践
-
主题定制: 使用如
🌟 Homebrew Theme来个性化界面,提升阅读与编辑体验。确保遵循其文档以正确激活主题。 -
效率工具: 利用
📈 Trilium Collection Views改善笔记展示方式,或通过kanban View实现看板式任务管理,优化工作流程。 -
自动化: 探索 API 扩展如
灯火阑珊处/Trilium-API-Example,来实现数据的自动同步或外部应用集成,提高知识管理的自动化水平。
典型生态项目
-
跨平台兼容性:
trilium-ios-shortcut为 iOS 用户提供了利用快捷指令与 Trilium 交互的方法,提升了移动设备上的便捷性。 -
第三方整合: 如
zotero-trilium插件,使从Zotero导出参考文献和笔记到Trilium变得简单,适合学者和研究人员。 -
开发工具: 使用
trilium-pack和trilium-types进行插件开发,前者便于打包插件,后者为TypeScript用户提供类型定义,支持更健壮的开发环境。
通过上述指导,您可以轻松地探索并融入 Trilium 的强大生态系统,享受更加丰富和高效的个人知识管理系统。不断发现与共享,让您的知识库不仅实用而且充满个性。
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-1.5暂无简介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