statnot 技术文档
2024-12-23 23:49:31作者:翟江哲Frasier
本文档将详细介绍如何安装、使用以及配置 statnot 项目。
1. 安装指南
首先,您需要安装以下依赖项:
- Python 3.5 或更高版本
- dbus-python
- PyGObject
- gtk3(不用于 GUI 支持)
请按照PyGObject 安装说明在您的系统上安装这些依赖项。
接下来,调整 config.mk 文件中的目标目录以适应您的设置。
安装时,以 root 用户身份运行以下命令:
# make install
最后,确保 statnot 与窗口管理器一起启动。您可以将以下内容添加到 .xinitrc 文件中:
killall notification-daemon &> /dev/null
statnot &
请注意,statnot 需要是唯一运行的通知工具。上述示例确保 notification-daemon 不在运行。
2. 项目的使用说明
statnot 可以作为 lightweight window managers(如 dwm 和 wmii)的通知守护进程替代品。它接收并显示遵循 Desktop Notifications 规范的通知。
您可以通过将以下内容添加到 .xinitrc 文件中,来启动 statnot:
killall notification-daemon &> /dev/null
statnot &
3. 项目API使用文档
statnot 的配置主要通过修改 $HOME/.statusline.sh 脚本和传递给 statnot 的配置文件来完成。
$HOME/.statusline.sh脚本用于定义状态栏上显示的消息格式。- 通过命令行传递给 statnot 的配置文件可以覆盖默认设置。
配置文件示例:
# 默认通知显示时间(除非在通知中指定)
DEFAULT_NOTIFY_TIMEOUT = 3000 # 毫秒
# 通知允许显示的最大时间
MAX_NOTIFY_TIMEOUT = 5000 # 毫秒
# 通知中允许的最大字符数
NOTIFICATION_MAX_LENGTH = 100 # 字符数
# 状态更新间隔时间
STATUS_UPDATE_INTERVAL = 2.0 # 秒
# 获取状态文本的命令
import os
STATUS_COMMAND = ['/bin/sh', f'{os.getenv("HOME")}/.statusline.sh']
# 是否总是显示来自 STATUS_COMMAND 的文本
USE_STATUSTEXT = True
# 是否将传入的通知放入队列中,以便逐个显示
QUEUE_NOTIFICATIONS = True
# 更新文本的函数
def update_text(text):
# 获取第一行
first_line = text.splitlines()[:-1]
subprocess.call(["xsetroot", "-name", first_line])
4. 项目安装方式
请参考安装指南部分的内容,以下为简要步骤:
- 安装依赖项
- 调整
config.mk文件中的目标目录 - 以 root 用户身份运行
make install - 确保 statnot 与窗口管理器一起启动
通过以上步骤,您可以成功安装并使用 statnot 项目。
登录后查看全文
热门项目推荐
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K