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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00