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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00