Mathias’s dotfiles 技术文档
1. 安装指南
在尝试使用 Mathias’s dotfiles 之前,请确保先 Fork 此仓库,并仔细审查代码,移除不需要或不适合的部分。除非您了解这些设置的含义,否则请不要盲目使用。使用风险自负!
使用 Git 和引导脚本
您可以将仓库克隆到任何位置(我喜欢将其保存在 ~/Projects/dotfiles,并将 ~/dotfiles 设为符号链接)。引导脚本将会拉取最新版本并将文件复制到您的家目录。
git clone https://github.com/mathiasbynens/dotfiles.git && cd dotfiles && source bootstrap.sh
更新时,进入到本地 dotfiles 仓库,然后:
source bootstrap.sh
若要避免确认提示,更新时可以使用以下命令:
set -- -f; source bootstrap.sh
无 Git 安装
若要无 Git 安装这些 dotfiles:
cd; curl -#L https://github.com/mathiasbynens/dotfiles/tarball/main | tar -xzv --strip-components 1 --exclude={README.md,bootstrap.sh,.osx,LICENSE-MIT.txt}
更新时,只需再次运行上述命令。
指定 $PATH
若存在 ~/.path 文件,它将在其他文件之前被加载,并在任何功能测试(例如检测使用的 ls 版本)执行前加载。
以下是一个示例 ~/.path 文件,它将 /usr/local/bin 添加到 $PATH:
export PATH="/usr/local/bin:$PATH"
添加自定义命令而不创建新的 Fork
如果存在 ~/.extra 文件,它将与其他文件一起被加载。您可以使用它来添加一些自定义命令,无需 Fork 整个仓库,或者添加一些您不希望提交到公共仓库的命令。
我的 ~/.extra 文件看起来像这样:
# Git 凭据
# 不在仓库中,以防止意外以我的名字提交
GIT_AUTHOR_NAME="Mathias Bynens"
GIT_COMMITTER_NAME="$GIT_AUTHOR_NAME"
git config --global user.name "$GIT_AUTHOR_NAME"
GIT_AUTHOR_EMAIL="mathias@mailinator.com"
GIT_COMMITTER_EMAIL="$GIT_AUTHOR_EMAIL"
git config --global user.email "$GIT_AUTHOR_EMAIL"
您也可以使用 ~/.extra 来覆盖我的 dotfiles 仓库中的设置、函数和别名。不过,更好的做法是 Fork 此仓库。
设置合理的 macOS 默认值
新安装 macOS 时,您可能想要设置一些合理的默认值:
./.macos
安装 Homebrew formulae
新安装 Mac 时,您可能想要安装一些常见的 Homebrew formulae(当然,在安装 Homebrew 之后):
./brew.sh
这些 dotfiles 的某些功能依赖于 brew.sh 安装的 formulae。如果您不打算运行 brew.sh,您应该仔细查看脚本并手动安装任何特别重要的 formulae。一个很好的例子是 Bash/Git 完成:dotfiles 使用 Homebrew 的特殊版本。
2. 项目使用说明
- 使用引导脚本
bootstrap.sh将配置文件复制到您的家目录。 - 使用
~/.path文件来指定额外的路径。 - 使用
~/.extra文件添加自定义命令或覆盖默认设置。
3. 项目 API 使用文档
本项目不提供 API,它主要是用于配置个人电脑的 dotfiles。
4. 项目安装方式
请参考上述的安装指南来安装本项目。
通过以上步骤,您应该能够成功安装并使用 Mathias’s dotfiles。如果您遇到任何问题或需要帮助,请随时查看项目仓库中的问题追踪部分。
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。C091
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