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。
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