LTFinderButtons 的项目扩展与二次开发
2025-06-15 07:54:39作者:卓艾滢Kingsley
项目的基础介绍
LTFinderButtons 是一个开源项目,旨在为 macOS 的 Finder 工具栏提供自定义按钮,以便用户能够快速打开常用的开发工具和应用程序。该项目由 Lex Tang 创建并维护,提供了多种预设按钮,包括但不限于 iTerm2、Sublime Text、VSCode、Terminal 等。
项目的核心功能
项目的核心功能是允许用户通过简单的拖拽操作,将自定义按钮添加到 Finder 工具栏上。这些按钮通过 AppleScript 脚本与对应的程序进行交互,实现快速启动或执行特定任务。
项目使用了哪些框架或库?
LTFinderButtons 项目主要使用了以下框架或库:
- AppleScript:用于编写与 macOS 系统和应用程序交互的脚本。
- ScriptEditor:Apple 提供的脚本编辑工具,用于编写和测试 AppleScript 脚本。
- Sketch:一款矢量图形设计工具,用于设计和导出按钮图标。
项目的代码目录及介绍
项目的代码目录结构如下:
- atomFinderButton.app/:包含 Atom 编辑器按钮的相关文件。
- bbeditFinderButton.app/:包含 BBEdit 编辑器按钮的相关文件。
- bracketsFinderButton.app/:包含 Brackets 编辑器按钮的相关文件。
- ...:以此类推,每个应用程序按钮都有相应的目录。
- .gitignore:指定 Git 忽略的文件和目录。
- LICENSE:项目的许可协议文件,采用 MIT 许可。
- LTFinderButtons.sketch:Sketch 设计文件,用于设计按钮图标。
- README.md:项目说明文件。
- convert_icons.sh:用于转换图标文件的 Shell 脚本。
对项目进行扩展或者二次开发的方向
- 增加更多应用程序的支持:可以添加更多常用开发工具的按钮,如 PyCharm、WebStorm 等。
- 优化脚本性能:对现有 AppleScript 脚本进行优化,提高执行效率和稳定性。
- 界面美化:改进按钮图标设计,使其更具现代感和个性化。
- 功能增强:为按钮增加更多功能,如支持自定义脚本、设置快捷键等。
- 跨平台支持:考虑将项目扩展到其他操作系统,如 Windows 或 Linux。
- 插件系统:开发插件系统,允许用户自定义和分享自己的按钮和脚本。
- 开源社区合作:鼓励更多开发者参与项目,共同完善和推广 LTFinderButtons。
登录后查看全文
热门项目推荐
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
642