3步打造健康充电习惯:让你的M1电池多用2年
你是否注意到,新入手的M1 Macbook用了不到一年,电池健康度就掉了10%?
锂电池就像一个需要休息的运动员,长期让它保持100%满电状态,相当于让运动员一直冲刺——短期内看不出问题,长期下来却会加速老化。
M1芯片的Macbook虽然性能强大,但电池寿命依然是软肋。好在我们有免费开源的battery充电限制工具,通过简单设置就能让电池寿命延长2-3年。
为什么你的M1电池在悄悄衰老?
想象一下,你的电池就像一个弹性气球。
如果每天都把它吹到最大(100%充电),久而久之弹性就会下降。而保持80%左右的电量,就像给气球留了缓冲空间,能显著减缓老化速度。
电池大学的研究数据显示:长期保持100%充电的锂电池,循环寿命可能只有500次;而控制在80%上限的电池,循环寿命可达1200次以上。
💡 小贴士:检查你的电池健康度:按住Option键点击菜单栏电池图标,查看"电池健康"项,低于80%就需要注意了。
三级安装路径:从新手到专家
新手友好型:图形化安装(3分钟搞定)
- 访问项目仓库下载最新版DMG安装包
- 将应用拖入Applications文件夹
- 首次打开时允许系统信任该应用
安装完成后,你会在菜单栏看到一个电池图标,点击即可快速设置充电限制。
进阶用户:Homebrew命令安装
如果你熟悉终端操作,这是最便捷的方式:
brew install battery
安装完成后,在终端输入battery即可启动配置向导。
专家选择:手动部署(适合开发者)
- 克隆项目仓库:
git clone https://gitcode.com/GitHub_Trending/ba/battery
- 运行安装脚本:
cd battery && sudo ./setup.sh
💡 小贴士:安装过程中需要输入管理员密码,这是因为工具需要访问系统电源管理接口。
三大核心功能:场景化使用指南
场景一:办公室长期插电使用
操作:在终端输入 battery maintain 80
效果:系统会自动将电量维持在80%左右,插电时不会继续充电。当电量低于75%时,会自动恢复充电,始终保持在健康区间。
场景二:临时需要满电出门
操作:执行 battery charging on
效果:立即解除充电限制,让电池充满至100%。回来后再用 battery maintain 80 恢复保护。
场景三:电池校准维护
操作:运行 battery calibrate
效果:系统会引导电池完成一次完整的充放电循环,帮助系统更准确地统计电池容量。
💡 小贴士:建议每3个月进行一次电池校准,有助于保持电池计量准确性。
工具对比:为什么选择这款battery工具?
| 功能特性 | battery工具 | 苹果优化充电 |
|---|---|---|
| 控制方式 | 手动精确控制 | 自动学习模式 |
| 充电上限 | 可自定义任意百分比 | 固定80% |
| 重启后效果 | 依然有效 | 需要重新学习 |
| 适用场景 | 所有使用模式 | 仅规律使用场景 |
| 界面支持 | GUI+命令行 | 无独立界面 |
实用命令速查表
# 查看电池状态
battery status
# 设置充电至90%后停止
battery charge 90
# 放电至70%
battery discharge 70
# 开启充电
battery charging on
# 关闭充电
battery charging off
💡 小贴士:将常用命令保存为别名,例如在.zshrc中添加 alias bm="battery maintain 80",一键设置健康充电模式。
常见问题解决
如果遇到充电限制不生效:
- 检查是否有其他电源管理工具冲突
- 尝试重启系统后重新设置
- 执行重置命令:
sudo rm -rf ~/.battery && battery maintain 80
记住,保护电池健康是一个长期习惯。通过这款开源工具,让你的M1 Macbook不仅性能强劲,更能持久陪伴你的工作与生活。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust018
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

