Kindle Highlights 技术文档
1. 安装指南
1.1 环境要求
- Ruby 版本
2.1.0或更高版本 - 一个 Amazon Kindle 账户
1.2 安装步骤
使用以下命令安装 kindle-highlights gem:
gem install kindle-highlights
2. 项目的使用说明
2.1 初始化客户端
首先,需要在你的 Ruby 代码中引入 kindle-highlights gem,并通过你的 Amazon Kindle 账户的邮箱地址和密码初始化一个客户端:
require 'kindle_highlights'
kindle = KindleHighlights::Client.new(
email_address: "email.address@gmail.com",
password: "password"
)
2.2 获取 Kindle 书籍列表
使用 books 方法获取你所有的 Kindle 书籍列表。该方法返回一个 KindleHighlights::Book 对象的集合:
kindle.books
每个 Book 对象包含以下属性:
asin: 书籍的 Amazon ASINauthor: 书籍的作者title: 书籍的标题
book = kindle.books.first
book.asin
book.author
book.title
2.3 获取单本书籍的标注
使用 highlights_for 方法获取特定书籍的所有标注。需要传入书籍的 Amazon ASIN 作为参数。该方法返回一个 KindleHighlights::Highlight 对象的集合:
kindle.highlights_for("B005CQ2ZE6")
每个 Highlight 对象包含以下属性:
asin: 书籍的 Amazon ASINtext: 标注的文本内容location: 标注在书籍中的位置
highlight = kindle.highlights_for("B005CQ2ZE6").first
highlight.asin
highlight.text
highlight.location
2.4 高级用法
kindle-highlights gem 使用 mechanize 与 Amazon 的 Kindle 页面进行交互。你可以通过传递自定义的 mechanize_options 来覆盖默认的 mechanize 设置:
kindle = KindleHighlights::Client.new(
email_address: "me@example.com",
password: "amazon_password",
mechanize_options: { user_agent_alias: 'Mac Safari' }
)
你还可以使用其他 TLD 的 read.amazon.com 等效地址:
kindle = KindleHighlights::Client.new(
email_address: "me@example.com",
password: "amazon_password",
root_url: 'https://read.amazon.co.jp'
)
3. 项目 API 使用文档
3.1 KindleHighlights::Client.new(email_address:, password:, mechanize_options: {}, root_url: 'https://read.amazon.com')
初始化一个新的客户端实例。
email_address: 你的 Amazon Kindle 账户的邮箱地址password: 你的 Amazon Kindle 账户的密码mechanize_options: 自定义的 mechanize 选项root_url: Amazon Kindle 页面的根 URL
3.2 kindle.books
获取所有 Kindle 书籍的列表,返回一个 KindleHighlights::Book 对象的集合。
3.3 kindle.highlights_for(asin)
获取指定书籍的所有标注,返回一个 KindleHighlights::Highlight 对象的集合。
asin: 书籍的 Amazon ASIN
3.4 book.highlights_from_amazon
获取指定书籍的所有标注,返回一个 KindleHighlights::Highlight 对象的集合。
4. 项目安装方式
4.1 使用 RubyGems 安装
通过 RubyGems 安装 kindle-highlights gem:
gem install kindle-highlights
4.2 在 Gemfile 中添加依赖
如果你使用 Bundler 管理依赖,可以在 Gemfile 中添加以下内容:
gem 'kindle-highlights'
然后运行 bundle install 安装依赖。
通过本文档,你应该能够顺利安装并使用 kindle-highlights gem 来获取和管理你的 Kindle 标注。如果在使用过程中遇到问题,可以参考文档中的高级用法部分,或者查看项目的 GitHub 页面获取更多信息。
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