Dashy项目中调整内容区域最大宽度的技巧
2025-05-10 03:32:55作者:傅爽业Veleda
Dashy是一款优秀的自托管仪表盘应用,其默认主题模式下内容区域的宽度设置为85%,这在某些场景下可能会造成两侧空间的浪费。本文将详细介绍如何通过自定义CSS来调整这一设置,使内容区域能够充分利用屏幕空间。
默认宽度设置分析
Dashy的默认主题采用响应式设计,在PC浏览器上内容区域的最大宽度被设置为85%。这一设计考虑到了大屏幕下的可读性和美观性,但对于希望充分利用屏幕空间的用户来说,可能会显得过于保守。
自定义CSS解决方案
通过修改Dashy的配置文件,我们可以轻松覆盖这一默认设置。具体实现方法如下:
- 打开Dashy的配置文件
config.yml - 在
appConfig部分添加customCss配置项 - 使用CSS选择器
.item-group-container来定位内容区域 - 设置
max-width属性为期望的值
示例配置代码:
appConfig:
customCss: '.item-group-container { max-width: 98% !important; }'
参数调整建议
- 98%宽度:这是一个较为推荐的设置,既能充分利用空间,又保留了适当的边距
- 100%宽度:完全填满屏幕,适合超宽显示器或需要最大化利用空间的场景
- 其他百分比:可根据实际显示效果和个人偏好进行微调
注意事项
- 使用
!important标记确保自定义样式能够覆盖默认设置 - 修改后需要重启Dashy服务使更改生效
- 建议先在小范围内测试,确认效果后再应用到生产环境
- 这一修改不会影响移动端的响应式布局
通过这种简单的CSS定制,用户可以轻松优化Dashy的显示效果,使其更符合个人使用习惯和显示需求。这种灵活性正是Dashy作为自托管解决方案的一大优势。
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
暂无简介
Dart
664
152
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++
659
298
Ascend Extension for PyTorch
Python
216
236
React Native鸿蒙化仓库
JavaScript
255
320
仓颉编译器源码及 cjdb 调试工具。
C++
133
866
仓颉编程语言运行时与标准库。
Cangjie
140
875
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
1.18 K
648
仓颉编程语言开发者文档。
59
818