Class Widgets:3步打造个性化课程表桌面组件
Class Widgets 是一款轻量级桌面组件应用,专注于课程表展示与时间管理。通过直观的界面设计和灵活的配置选项,帮助用户实时掌握课程安排、倒计时提醒和天气信息,让学习规划更高效。
一、核心功能概览:4大模块构建学习助手
Class Widgets 的核心架构围绕用户学习场景设计,主要包含以下功能模块:
1. 课程表管理模块(cses_mgr.py)
作为核心功能模块,负责课程数据的解析、存储和动态更新。支持自定义课程时间、教师信息和教室位置,通过与UI模块联动实现实时课程状态展示。
2. 桌面组件系统(ui/目录)
提供多样化的桌面小组件,包括当前课程卡片、下节课倒计时、天气信息面板等。支持主题切换(如默认主题、Hoshino主题),用户可根据桌面风格选择深色/浅色模式。
3. 音频提醒模块(play_audio.py)
通过audio/目录下的音频资源(如上课提醒、下课提示),结合系统通知机制,实现课程时间节点的声音提醒,帮助用户不错过重要课程。
4. 天气服务模块(weather.py)
整合多源天气数据(存储于data/目录的数据库文件),在桌面组件中实时显示温度、天气状况,提供个性化的出行建议。
二、3步快速上手:从安装到运行的完整指南
1. 环境准备与依赖检查
🔧 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/cl/Class-Widgets
cd Class-Widgets
🔧 环境检查清单
- Python 3.8+ 环境(通过
python --version验证) - 依赖安装:
pip install -r requirements.txt - 系统权限:确保应用有权限读取本地文件和显示桌面组件
⚠️ 常见问题:若出现"模块缺失"错误,检查
requirements.txt是否完整,或尝试使用uv工具安装依赖(项目已提供uv.lock文件)。
2. 启动应用程序
🔧 运行主程序
python main.py
程序将自动初始化配置(读取data/default_config.json),加载默认课程表数据,并启动图形界面。首次运行时会显示欢迎引导窗口,帮助完成基础设置。
3. 界面熟悉与基础操作
启动后,桌面将显示课程组件面板,包含以下核心信息区域:
- 天气信息区:显示当前城市、温度和天气状况
- 倒计时区:显示距离下节课的剩余时间
- 课程状态区:展示当前课程名称和后续课程安排
通过右键点击组件可打开设置菜单,进行主题切换、课程编辑等操作。
三、深度配置指南:从基础到进阶的个性化方案
1. 基础配置(data/default_config.json)
核心配置项说明:
| 配置项 | 默认值 | 建议值 | 说明 |
|---|---|---|---|
ui.theme |
"default" |
"hoshino" |
主题风格选择,可选default/hoshino/minimize |
notifications.enable |
true |
true |
是否启用课程提醒通知 |
speech.volume |
50 |
70 |
语音提醒音量(0-100) |
修改后需重启应用使配置生效。
2. 高级配置:自定义课程与主题
🔧 课程数据管理
课程信息存储于data/subject.json,可通过界面"课程编辑"功能添加/修改课程,或直接编辑JSON文件:
{
"subjects": [
{"name": "数学", "teacher": "张老师", "room": "302", "time": "08:30-10:00"}
]
}
🔧 主题定制
通过修改ui/[主题名]/theme.json调整组件样式,例如修改hoshino主题的背景透明度:
{
"widget_bg_alpha": 0.85
}
修改后无需重启,在设置中切换主题即可预览效果。
扩展阅读
- 插件开发指南:项目支持通过
plugins/目录扩展功能,详细开发文档位于docs/目录 - 数据备份与迁移:课程表数据可通过
data/目录下的JSON文件导出,实现跨设备同步 - 高级主题开发:参考
ui/shiroko/目录的主题实现,创建自定义桌面组件样式
通过以上配置,Class Widgets 可完全适配个人学习习惯,成为高效的学习时间管理助手。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust088- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00

