charge-limiter:限制macOS电池充电水平,延长电池寿命
项目介绍
charge-limiter 是一款专门为Intel版MacBook设计的macOS应用程序,它可以设置电池的充电限制,帮助用户延长电池的使用寿命。这款应用通过修改SMC(系统管理控制器)中的两个参数 BCLM(Battery Charge Level Max,电池充电水平最大值)和 BFCL(Battery Final Charge Level,电池最终充电水平)来实现这一功能。简单来说,它允许用户自定义电池的最大充电百分比,从而减少电池的过度充电,延长其使用寿命。
项目技术分析
charge-limiter 应用程序的核心代码是使用JavaScript Application Scripting(JXA)编写的,这是一种专门用于AppleScript的JavaScript方言。应用程序通过修改SMC参数来控制电池充电水平,这些参数原本是用来控制电池充电行为的。此外,它还包含一个名为 bclm 的二进制文件,该文件是从另一个开源项目中复制而来的,用于实现具体的SMC参数修改。
项目的源代码可以通过在Apple的Script Editor中打开 src/Charge Limiter.app 来查看。在技术实现上,charge-limiter 的设计保证了它的轻量级和易用性,用户无需复杂的设置,即可轻松控制电池的充电水平。
项目及技术应用场景
charge-limiter 的应用场景广泛,适用于所有希望延长MacBook电池寿命的用户。以下是一些具体的应用场景:
- 延长电池寿命:通过限制电池的最大充电水平,减少电池的过度充电,可以有效延长电池的使用寿命。
- 优化电池健康:电池过度充电会导致电池健康度下降,限制充电水平有助于保持电池健康度。
- 提高工作效率:对于经常出差或移动办公的用户,延长电池寿命意味着更长的无插电工作时间。
- 减少发热:限制电池充电水平可以减少电池发热,从而降低MacBook的整体温度。
项目特点
charge-limiter 具有以下特点:
- 简单易用:用户只需设置一次电池的充电限制,应用程序会自动在后台运行,并在每次启动时重新应用设置。
- 自动更新:应用程序会自动检查更新,并及时通知用户,确保用户始终使用最新的版本。
- 兼容性:对于运行macOS High Sierra(10.13)或更老版本的用户,需要安装Swift 5 Runtime Support,但应用程序本身具有良好的兼容性。
- 无痕运行:设置好电池充电限制后,应用程序会静默运行,不会干扰用户的其他操作。
通过以上特点,charge-limiter 成为了一个既实用又方便的开源项目,尤其适合对电池寿命有特别要求的MacBook用户。
总结
charge-limiter 是一款优秀的macOS应用程序,通过简单有效的方式帮助用户延长电池寿命,优化电池健康。它的设计考虑到了用户易用性和系统兼容性,使得任何用户都可以轻松地使用它来提升自己的工作效率和生活质量。如果你是一名MacBook用户,并且关心电池的使用和维护,那么charge-limiter绝对值得一试。
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 StartedRust065- 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