skribisto 的安装和配置教程
项目的基础介绍和主要的编程语言
Skribisto 是一个面向写作者的项目管理工具,它允许用户组织项目中的项目符号和文件夹。每个项目符号都可以展示一个页面,并且可以是文本、文件夹、白板(待实现)或章节(待实现)等不同类型。Skribisto 的目标是成为一个通用的写作工具,支持用户自定义标签来定义任何项目。它的特点是界面可访问性,支持屏幕阅读器如 Jaws 和 NVDA。
该项目主要使用以下编程语言和技术:
- 编程语言:C++,使用 Qt 框架
- 用户界面:QML 和 Qt Quick
- 数据库:SQLite3
项目使用的关键技术和框架
Skribisto 使用 Qt 框架进行开发,这是一个跨平台的 C++ GUI 应用程序框架。Qt 提供了丰富的类库和工具,用于快速开发具有现代感的 GUI 应用程序。以下是项目中使用的一些关键技术:
- Qt 6.2.2:用于后端开发,提供核心功能。
- QML:用于构建用户界面,提供触摸友好的动态界面。
- Qt Quick:提供用于构建应用程序的用户界面元素。
- SQLite3:用于数据存储,每个项目都是一个 SQLite3 文件。
项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装 Skribisto 之前,请确保您的系统满足以下要求:
- 操作系统:Ubuntu 20.04、Fedora 33/34、Windows 10、MacOS Big Sur
- Qt 版本:至少 5.15,推荐 6.2.2
您还需要从 Qt 官方网站下载并安装 Qt Creator。
安装步骤
-
克隆项目仓库
首先,您需要从 GitHub 克隆 Skribisto 的项目仓库。打开终端(Linux 或 MacOS)或命令提示符(Windows),然后执行以下命令:
git clone https://github.com/jacquetc/skribisto.git -
打开项目
使用 Qt Creator 打开项目。找到克隆的项目文件夹中的
cmake/Superbuild/CMakeLists.txt文件,并使用 Qt Creator 打开它。 -
配置项目
在 Qt Creator 中,配置项目以使用至少 Qt 5.15 的版本。在“项目”选项卡中,设置构建目录为
build_skribisto_Release,位于 skribisto 文件夹外部。示例:
- Git 仓库:
/home/cyril/Devel/skribisto - Superbuild 的 CMakeLists.txt:
/home/cyril/Devel/skribisto/cmake/Superbuild/CMakeLists.txt - Superbuild 的构建目录:
/home/cyril/Devel/build_skribisto_Release
- Git 仓库:
-
编译项目
在 Qt Creator 中,编译项目。确保选择正确的构建配置(例如 Release)并开始构建。
-
运行项目
构建完成后,您应该能够运行 Skribisto 并开始使用它来管理您的写作项目。
请注意,上述步骤是基于项目的官方文档和推荐的安装方法。如果您在安装过程中遇到任何问题,可以参考项目的 README 文件或联系项目维护者以获取帮助。
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