解决gh0stzk/dotfiles项目中电池低电量通知重复显示问题
2025-06-24 18:51:10作者:虞亚竹Luna
在gh0stzk/dotfiles项目的z0mbi3主题中,用户反馈了一个关于电池低电量通知的常见问题:当电池电量降至20%时,系统会不断重复显示低电量通知,即使用户已经清除通知,它们仍会持续出现。
问题根源分析
该问题的根本原因在于电池状态检查脚本的执行频率设置不当。在eww.yuck配置文件中,电池状态轮询间隔被设置为1秒:
(defpoll battery :interval "1s" "scripts/battery icon")
这意味着系统每秒都会执行一次电池状态检查脚本。当电量低于20%时,脚本中的通知发送逻辑会被每秒触发一次,导致通知不断重复出现。
解决方案
基础解决方案
最简单的解决方案是调整轮询间隔时间。将1秒改为5分钟可以显著减少通知频率:
(defpoll battery :interval "5m" "scripts/battery icon")
进阶优化方案
为了既保持电池图标的实时更新,又避免通知过于频繁,可以采用更精细的方案:
- 在eww.yuck中添加专门用于通知的轮询变量:
(defpoll battery_notif :interval "5m" "scripts/battery notifications")
- 修改电池脚本,分离图标更新和通知功能:
notifications () {
if [ "$per" -le "20" ]; then
notify-send -u critical "Battery Low" "Connect Charger"
fi
}
[ "$1" = "notifications" ] && notifications && exit
这样,图标可以保持每秒更新,而通知则每5分钟才会发送一次。
技术细节说明
在原始脚本中,通知逻辑被包含在电量判断条件中:
elif [ "$per" -gt "10" ]; then
icon=""
notify-send -u critical "Battery Low" "Connect Charger"
这意味着当电量在11%-19%之间时,每次脚本执行都会发送通知。正确的做法应该是将通知逻辑独立出来,并控制其执行频率。
最佳实践建议
- 对于需要频繁更新的UI元素(如电池图标),可以保持较高的更新频率(如1秒)
- 对于用户通知这类需要引起注意但不应该过于频繁的操作,应该设置较长的间隔(如5分钟)
- 考虑使用系统自带的电池状态变量(如EWW_BATTERY)来简化实现
- 对于关键系统通知,可以增加通知优先级设置(如critical)
通过这种分离关注点的设计,可以在保证用户体验的同时,避免系统通知的过度干扰。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137