BongoCat互动助手:打造个性化配置的桌面宠物体验
BongoCat是一款能实时响应键盘和鼠标操作的桌面宠物,让你的日常办公与编程过程不再单调。这款开源项目通过可爱的猫咪动画形象,为每一次输入增添趣味与活力,成为你工作时的贴心伴侣。
三步实现你的桌面萌宠
想要快速拥有这个可爱的桌面助手,只需简单三步即可完成安装与启动:
-
克隆项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/bong/BongoCat -
进入项目目录并安装依赖:
cd BongoCat && pnpm install -
启动应用程序:
pnpm tauri dev
图:BongoCat标准模型在日常办公场景中的展示,猫咪趴在桌面上的可爱姿态
轻松定制你的专属互动体验
BongoCat提供了丰富的个性化选项,让你可以根据自己的使用场景定制猫咪形象和行为模式。
三步切换猫咪模型
BongoCat提供三种不同的猫咪模型,满足不同使用场景需求:
- 标准模型:适合日常办公环境的基础互动模式
- 键盘模型:专为键盘密集型操作优化的互动效果
- 游戏手柄模型:支持游戏手柄输入的互动模式
场景化推荐:编程爱好者推荐使用键盘模型,游戏玩家可选择游戏手柄模型,日常办公用户适合标准模型。
图:BongoCat键盘模型在代码编写场景中的应用,展示了键盘按键互动效果
配置入口:src/pages/preference/components/model/index.vue
自定义快捷键设置
轻松设置个性化快捷键,快速控制猫咪的显示与隐藏:
- 打开快捷键配置文件
- 修改对应操作的快捷键组合
- 保存配置并重启应用生效
配置入口:src/composables/useTauriShortcut.ts
解锁高级互动功能
BongoCat不仅仅是一个静态桌面宠物,还提供了丰富的互动功能,让你的工作体验更加生动有趣。
键盘实时响应系统
当你敲击键盘时,BongoCat会实时显示对应的按键动画,让你的每一次输入都能得到视觉反馈。这一功能特别适合编程学习和文字输入场景,增加打字的趣味性。
游戏手柄支持
对于游戏玩家,BongoCat提供了完整的游戏手柄支持,让你在游戏过程中也能享受猫咪的陪伴。游戏手柄的各种操作都会触发猫咪的相应动作,为游戏体验增添乐趣。
图:BongoCat游戏手柄模型在游戏场景中的应用,展示了手柄按键互动效果
配置入口:src/composables/useGamepad.ts
常见问题快速解决
猫咪不响应输入怎么办?
- 检查应用是否拥有必要的系统权限
- 尝试重启应用程序
- 检查是否有其他应用占用输入监听端口
权限配置入口:src-tauri/capabilities/default.json
如何快速隐藏BongoCat?
除了使用自定义快捷键,你还可以通过系统托盘图标进行操作。点击托盘图标即可快速显示或隐藏猫咪助手。
托盘功能配置入口:src/composables/useTray.ts
结语
BongoCat通过可爱的视觉设计和实时互动功能,为你的工作环境注入活力。无论是长时间的编程工作,还是日常的文档处理,这个小巧的桌面助手都能为你带来轻松愉快的体验。通过简单的个性化配置,你可以打造完全属于自己的猫咪助手,让每一次键盘敲击都充满乐趣!
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00