AeroSpace项目中的命令行增强功能解析
AeroSpace项目近期在0.15.0-Beta版本中引入了一系列命令行增强功能,这些改进显著提升了窗口管理器的灵活性和脚本编写能力。本文将深入解析这些新特性的技术细节和使用场景。
窗口操作上下文控制
新版本引入了--subject-window-id
参数,这是一个革命性的改进,它允许用户指定命令操作的上下文窗口,而无需实际切换焦点。这个参数可以应用于几乎所有命令,使其表现得如同指定的窗口处于焦点状态一样。
技术实现上,这个特性通过重构CommandSubject
和CommandMutableState
模块来实现,为命令执行提供了虚拟的上下文环境。例如,当使用aerospace --subject-window-id 123 focus
命令时,系统会模拟窗口123获得焦点的状态,而不会实际改变当前焦点窗口。
窗口移动与焦点跟随
针对窗口移动操作,新版本优化了焦点跟随行为:
move
命令新增了--no-focus-follows-window
选项,允许移动窗口时不自动切换焦点move-node-to-workspace
命令增加了--focus-follows-window
选项,实现移动后自动跟随焦点
这种对称性的设计解决了之前命令行为不一致的问题,使得窗口移动操作更加灵活可控。在脚本编写中,现在可以更精确地控制窗口移动后的焦点状态。
输出格式化增强
为了简化脚本处理,新版本为列表命令增加了格式化输出选项:
list-windows
命令支持--format window-id
参数,直接输出窗口ID列表list-monitors
命令支持--format monitor-id
参数,直接输出显示器ID列表
这些改进消除了使用awk等工具进行后处理的需要,使得脚本更加简洁可靠。例如,获取所有窗口ID现在只需简单的aerospace list-windows --all --format window-id
命令。
工作区特殊操作
新版本还引入了summon-workspace
命令,专门用于将指定工作区的内容"召唤"到当前显示器。这个命令支持多种参数形式:
next
/prev
在工作区列表中导航focused
操作当前焦点工作区- 直接指定工作区名称
这个专用命令比通用的move-node-to-workspace
更加语义化,也更符合用户直觉。
实际应用示例
这些改进组合起来可以解决许多复杂的窗口管理场景。例如,将所有窗口移动到当前工作区的操作现在可以这样实现:
focused=$(aerospace list-workspaces --focused)
aerospace list-windows --all --format window-id | xargs -n1 aerospace move-node-to-workspace $focused --focus-follows-window --subject-window-id
这种设计体现了AeroSpace项目对脚本友好性和操作灵活性的持续追求,为高级用户提供了强大的窗口管理能力。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









