TriliumNext主题开发:理解appThemeBase与appTheme的区别与用法
在TriliumNext笔记应用中,自定义主题是用户个性化体验的重要组成部分。许多开发者在尝试创建基于TriliumNext默认主题的扩展时,可能会遇到一个常见问题:为什么使用#appThemeBase标签的主题没有出现在主题选择列表中?本文将深入解析TriliumNext的主题机制,帮助开发者正确使用这两种标签。
主题标签的核心区别
TriliumNext提供了两种主题标签,它们的功能定位有本质区别:
-
#appTheme:这是基础主题标签,用于定义完整的主题方案。当您创建一个新主题并添加此标签时,该主题会直接出现在外观设置的选择列表中。
-
#appThemeBase:这是扩展主题标签,用于在现有主题基础上进行覆盖和扩展。它不能独立使用,必须与
#appTheme配合使用。
正确使用appThemeBase
许多开发者容易误解#appThemeBase的用法,关键在于理解以下几点:
-
依赖关系:
appThemeBase必须与appTheme同时使用,它本身不会使主题出现在选择列表中。 -
限定值:目前
appThemeBase的值只能设置为"next",表示基于TriliumNext的默认主题进行扩展。如果设置其他值,系统会默认基于传统(legacy)主题进行扩展。 -
叠加机制:使用
appThemeBase的主题不会完全替换基础主题,而是作为基础主题的补充和覆盖层。
实际应用示例
假设我们要创建一个名为"Midnight"的暗色主题,基于TriliumNext默认主题进行修改:
- 首先创建新笔记作为主题
- 添加两个标签:
#appTheme = Midnight#appThemeBase = next
- 在笔记内容中只编写需要覆盖的CSS规则,无需重复基础主题的全部内容
这种模式下,当用户选择"Midnight"主题时,系统会先加载TriliumNext默认主题,然后应用您的自定义规则,实现渐进增强的效果。
最佳实践建议
- 当需要完全自定义主题时,仅使用
#appTheme标签 - 当只需要调整默认主题的某些方面时,使用
#appTheme+#appThemeBase组合 - 通过浏览器开发者工具先测试CSS覆盖效果,再实际创建主题笔记
- 保持扩展主题的轻量化,只覆盖必要的样式规则
理解这些主题标签的正确用法,可以帮助开发者更高效地创建和维护TriliumNext主题,同时确保主题系统的灵活性和可扩展性。对于想要深度定制但又希望保留TriliumNext核心视觉风格的用户,appThemeBase机制提供了完美的平衡点。
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