Shell 项目使用教程
1. 项目介绍
Shell 是一个强大的 Windows 文件资源管理器上下文菜单管理工具。它允许用户自定义文件资源管理器的上下文菜单,添加、修改或删除菜单项,从而提高文件操作的效率。Shell 项目是一个开源项目,托管在 GitHub 上,由 moudey 维护。
主要功能
- 轻量级和便携:易于使用,无需安装。
- 完全自定义:可以添加新的自定义菜单项,如子菜单、菜单项和分隔符。
- 支持所有文件系统对象:包括文件、文件夹、桌面和任务栏。
- 支持表达式语法:内置函数和预定义变量。
- 支持颜色、图标和图像文件:如
.ico、.png或.bmp。 - 支持搜索和过滤:快速定位菜单项。
- 支持复杂嵌套菜单:支持多列菜单。
- 快速配置:使用纯文本文件进行配置。
2. 项目快速启动
2.1 下载项目
首先,从 GitHub 仓库下载 Shell 项目:
git clone https://github.com/moudey/Shell.git
2.2 运行 Shell
进入项目目录并运行 Shell 可执行文件:
cd Shell
Shell.exe
2.3 配置 Shell
Shell 的配置文件位于 config 目录下。你可以编辑这些配置文件来自定义上下文菜单。例如,编辑 config.txt 文件:
cd config
notepad config.txt
2.4 示例配置
以下是一个简单的配置示例,添加一个打开指定文件夹的菜单项:
[OpenFolder]
Type=Command
Label=打开文件夹
Command=explorer.exe "C:\Users\YourUsername\Documents"
Icon=folder.ico
3. 应用案例和最佳实践
3.1 自定义文件操作
通过 Shell,你可以为常用的文件操作创建自定义菜单项。例如,为常用的文件夹创建快捷方式,或者为特定的文件类型添加自定义操作。
3.2 集成常用工具
你可以将常用的工具集成到文件资源管理器的上下文菜单中。例如,将文本编辑器、图像编辑器或终端工具添加到菜单中,方便快速启动。
3.3 管理第三方软件菜单项
Shell 还可以帮助你管理由第三方软件添加的菜单项。你可以禁用或删除不需要的菜单项,保持上下文菜单的整洁。
4. 典型生态项目
4.1 Nilesoft Shell
Nilesoft Shell 是 Shell 项目的一个扩展,提供了更多的功能和插件支持。你可以通过 Nilesoft Shell 进一步扩展 Shell 的功能。
4.2 ContextMenuManager
ContextMenuManager 是另一个与 Shell 类似的项目,专注于管理 Windows 文件资源管理器的上下文菜单。你可以结合使用这两个项目,以获得更强大的菜单管理功能。
4.3 ShellExView
ShellExView 是一个用于查看和管理 Windows 上下文菜单扩展的工具。虽然它不是直接与 Shell 项目相关的生态项目,但它可以帮助你更好地理解和管理系统中的上下文菜单扩展。
通过以上步骤和示例,你可以快速上手并充分利用 Shell 项目,提升 Windows 文件资源管理器的使用体验。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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