Anki搜索与添加卡片插件(fonol/anki-search-inside-add-card)配置详解
插件配置概述
Anki搜索与添加卡片插件是一个功能强大的Anki扩展工具,它提供了丰富的配置选项来满足不同用户的需求。本文将深入解析该插件的各项配置参数,帮助用户更好地定制化使用体验。
核心配置参数解析
基础搜索设置
-
decks参数:允许用户指定需要建立搜索索引的牌组列表。例如设置为["英语词汇", "医学知识"]时,插件将只在这些牌组中建立搜索索引,提高搜索效率并减少资源占用。
-
numberOfResults:控制搜索结果的最大显示数量,默认值为1000。对于大型知识库,适当调低此值可以提升搜索响应速度。
-
usePorterStemmer:启用英语词干提取器,将相关词汇(如"run"和"running")统一索引,提高搜索召回率。但需要注意,此功能主要针对英语优化,其他语言效果可能不理想。
PDF相关配置
-
imageMaxHeight:设置搜索结果中图片显示的最大高度(像素),确保图片展示不会破坏页面布局。
-
pdf.clozegen系列参数:定义生成填空题(Cloze)时使用的笔记模板和字段名称:
- notetype:指定填空题模板名称
- field.clozedtext:填空题内容字段
- field.page:PDF页码字段
- field.pdfpath:PDF路径字段
- field.pdftitle:PDF标题字段
-
pdf.onOpen.autoFillFieldsWithPDFName:打开PDF时自动填充指定字段为PDF名称,简化笔记创建流程。
-
pdf.import.folders_to_search:设置PDF导入功能扫描的文件夹路径,快速定位常用PDF资源。
高级功能配置
-
searchUrls:配置网页查询URL模板,支持在PDF阅读器内直接进行网络搜索。例如在线百科搜索模板:"https://example.org/w/index.php?search=[QUERY]"
-
mix_reviews_and_reading:启用复习与阅读混合模式,定期提示用户处理待办队列,实现复习与学习的平衡。
-
anki.editor.remember_location:记忆笔记编辑窗口的位置和大小(仅限当前会话),提升编辑效率。
性能优化配置
-
freezeIndex:锁定搜索索引,防止自动重建。适用于大型知识库且内容稳定的场景,可显著提升启动速度。
-
pdf.highlights.use_alt_render:解决某些环境下PDF高亮显示异常的问题,启用替代渲染方案。
使用建议
-
对于英语学习者,建议启用usePorterStemmer以提升搜索效果。
-
如果主要使用特定牌组,配置decks参数可以显著提升搜索性能。
-
PDF相关功能配置需要与Anki笔记模板结构相匹配,建议先确认模板字段名称再设置。
-
混合复习模式适合需要平衡新知识学习和旧知识复习的用户,可根据个人习惯调整interrupt_every_nth_card参数。
通过合理配置这些参数,用户可以充分发挥Anki搜索与添加卡片插件的强大功能,打造个性化的学习工作流。建议初次使用时保持大部分默认设置,根据实际需求逐步调整特定参数。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust078- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00