【亲测免费】 FSNotes 开源项目安装与使用指南
目录结构及介绍
在成功克隆 https://github.com/glushchenko/fsnotes.git 到本地之后, 你会看到以下的目录结构:
-
Sources/: 此目录包含了所有源代码. 具体包括 macOS 和 iOS 应用的主要实现.
- FSNotes/: 主要业务逻辑所在.
- FSNotesMac/: macOS 应用的具体实现.
- FSNotesIOS/: iOS 应用的具体实现.
-
Resources/: 存储应用图标和其他资源文件的地方.
-
Tests/: 测试相关的代码位于此处, 分别对应 macOS 和 iOS 应用的单元测试.
-
Podfile: CocoaPods 依赖管理文件.
-
README.md: 项目简介和一些重要说明.
-
LICENSE: 许可证文件, 本项目采用 MIT 许可.
启动文件介绍
对于不同平台(apple生态下), 启动不同的项目:
macOS 平台
启动文件位于 /Sources/FSNotesMac/FSNotesApp.swift 中, 这个文件定义了整个 macOS 应用程序的入口点.
// /Sources/FSNotesMac/FSNotesApp.swift
// 应用程序入口类, 继承自 NSApplicationDelegate
class AppDelegate: NSObject, NSApplicationDelegate {
// 代理方法: 应用程序激活时调用
func applicationDidFinishLaunching(_ aNotification: Notification) {
// 初始化和显示窗口等...
}
}
iOS 平台
iOS平台启动文件则位于 /Sources/FSNotesIOS/main.swift, 这里初始化并启动了 UIKit 应用.
// /Sources/FSNotesIOS/main.swift
UIApplicationMain(CommandLine.argc, CommandLine.unsafeArgv, NSStringFromClass(MyAppDelegate.self), nil)
其中 MyAppDelegate 类需继承自 UIApplicationDelegate, 处理应用生命周期事件.
配置文件介绍
FSNotes 项目的配置主要通过代码内部的设置完成, 没有独立的配置文件. 但是, 为了定制化用户界面和某些特定行为, 如支持第三方库的配置等, 可以在以下位置找到相关信息:
- Podfile: CocoaPods 的依赖管理文件, 可以在这里指定和更新第三方库.
- Info.plist: 这个plist文件对每个平台(target)都是必需的, 它存储了应用的元数据, 包括版本信息和能力声明.
- Swift代码中的常量和环境变量: 这些通常散落在代码各处, 控制着应用的行为和外观, 比如字体大小、主题颜色等.
如果你想要修改应用的外观或者启用某些高级特性, 例如使用 Git 版本控制或是加密功能, 你可能需要深入研究Swift代码并且理解相应的逻辑流程.
如果您有任何疑问或建议, 欢迎访问 FSNotes Github Repo 并提出 issue 或 pull request. 如果您喜欢这个项目, 不妨考虑在 App Store 上购买 Mac App Store 版本来支持开发者, 或是在 App Store 获取 iOS 版本。感谢您的支持!
注: 本教程基于项目最新版, 由于开源项目的迭代性质, 部分细节可能随时间而变化。
参考资料:
- 官网链接: https://fsnotes.app
- GitHub仓库: https://github.com/glushchenko/fsnotes
如果您在阅读过程中遇到任何问题, 请随时联系我们的支持邮箱. 我们的团队愿意为您提供帮助! 祝您使用愉快!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00