dmenu-rs: 使用Rust重构的精准像素级dmenu复刻版
项目介绍
dmenu-rs 是一个用 Rust 语言完全重写的 dmenu 动态菜单工具,旨在提供与原始 dmenu 完全相同的功能体验,包括外观、感受以及运行效果。该项目的独特之处在于它内置了丰富的插件支持,极大地提升了可定制性和扩展性。dmenu-rs 遵循 GPL-3.0 许可证,并且已经是一个稳定且功能完善的产品,虽然未来可能不会进行大量更新,但保持了维护状态。
项目快速启动
要快速启动并使用 dmenu-rs,请确保您的系统满足以下条件:
- 已安装 Xlib 头文件。
- 拥有 Cargo 和 rustc,用于构建 Rust 项目。
- 系统中有一个可用的 C 编译器。
接下来,按照以下步骤操作:
-
克隆仓库:
git clone https://github.com/Shizcow/dmenu-rs.git -
配置与编译:
进入项目目录,您可能需要编辑
config.mk文件以匹配您的本地设置(默认情况下,dmenu 将被安装到/usr/local命名空间内)。cd dmenu-rs # 根据需要编辑 config.mk nano config.mk -
编译与安装:
执行以下命令来编译项目,并使用
sudo安装,如果需要权限:make sudo make install -
测试运行:
在成功安装后,您可以简单测试 dmenu-rs 的运行情况:
make test
应用案例和最佳实践
dmenu-rs 被设计为一个高效的启动器,适用于快速启动应用程序、访问书签或执行命令。最佳实践是整合进自定义的窗口管理器脚本或工作流程中,利用其插件系统定制化显示内容,比如结合命令自动完成、快速搜索文件或者集成天气查询等实用功能。
典型生态项目
尽管 dmenu-rs 自身就是对 dmenu 生态的一个重要贡献,但它也鼓励社区开发和使用各种插件来增强功能。要探索现有的插件或学习如何创建自己的插件,可以通过运行下面的命令获取信息:
make plugins
这将引导您了解可用的插件列表和启用它们的方法。社区中的开发者可以进一步开发这类插件,实现与任务管理器、快捷方式启动、系统监控等更多的集成,丰富其在桌面环境中的应用范围。
通过以上步骤,您可以轻松地开始使用 dmenu-rs,享受其带来的高效与定制化的体验。此项目展示了 Rust 语言在重写经典工具时的优势,尤其是在性能提升和安全内存管理方面,同时也展现了开源生态中的创新与协作精神。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
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