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。
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