NetworkManager-dmenu: 使用dmenu管理NetworkManager的脚本
项目介绍
NetworkManager-dmenu 是一个轻量级的小工具,旨在通过流行的 dmenu 工具来控制和管理Linux系统中的 NetworkManager 连接,替代传统的图形界面管理方式(如 nm-applet)。它支持连接到现有的Wi-Fi或有线网络,新建Wi-Fi连接时请求密码,管理加密连接,以及开启或禁用网络功能。该项目采用MIT许可证发布,适合那些偏好命令行操作的用户。
项目快速启动
安装步骤
首先,确保你的系统已安装 Python 2.7 或 3.2 及以上版本,以及 NetworkManager 和 dmenu。对于Arch Linux用户,可以通过AUR找到预编译包。其他发行版可能需要通过各自的软件包管理器手动安装这些依赖项。
-
克隆仓库:
git clone https://github.com/firecat53/networkmanager-dmenu.git -
配置: 复制配置示例并根据需要编辑。
cp networkmanager-dmenu/config.ini.example ~/.config/networkmanager-dmenu/config.ini如果你的dmenu路径不是默认的,记得在配置文件中设置
dmenu_command. -
放置可执行脚本: 将
nmcli_dmenu脚本复制到系统路径中,比如/usr/local/bin。sudo mv networkmanager-dmenu/nmcli_dmenu /usr/local/bin/ -
权限设置(如果需要以非root用户运行脚本): 设置PolicyKit策略允许非root用户使用。
-
快捷方式 (可选): 可以创建一个桌面快捷方式或者绑定一个键盘快捷键来启动此脚本。
运行示例
启动脚本进行网络管理:
nmcli_dmenu
应用案例和最佳实践
- 日常网络管理: 快速切换不同的Wi-Fi网络或有线连接,特别是在多网络环境下的开发者或IT管理员。
- 自动化脚本整合: 结合其他shell脚本,自动连接特定的网络环境,例如开发服务器或家庭网络。
- 精简界面环境: 在无图形界面的服务器管理中,通过SSH远程使用,提供便捷的网络配置选项。
典型生态项目
虽然这个项目自身就是一个利用现有工具(NetworkManager和dmenu)的典范,但类似的生态系统扩展可能包括定制化的dmenu主题或是与其他系统管理工具(如Rofi、Dzen等)的集成。用户可以根据自己的需求调整配置,例如通过Xresources定制Rofi的外观,或者开发脚本来自动化更复杂的网络配置任务。
请注意,对特定于生态系统的其他项目探索,通常涉及个人的定制化实践和社区的分享,可以在GitHub议题、技术论坛或者Reddit的相关子版块寻找灵感和实现方法。
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