yabai窗口管理器的窗口化全屏功能解析
2025-05-07 21:46:54作者:龚格成
yabai作为macOS上强大的平铺式窗口管理器,近期新增了一个实用的窗口化全屏功能(windowed-fullscreen),这个功能为用户提供了介于原生全屏和平铺模式之间的第三种选择。
功能背景
在传统的窗口管理方案中,用户通常面临两种选择:
- 原生全屏模式:窗口会占据整个屏幕空间,包括系统菜单栏和Dock区域,但会触发macOS的动画效果并创建一个独立的全屏空间
- 平铺模式下的缩放全屏(zoom-fullscreen):窗口会最大化但仍保留窗口装饰和系统界面元素
新引入的窗口化全屏功能则提供了第三种选择,它能够:
- 即时将窗口扩展到显示器的可用区域边界
- 忽略用户配置的窗口间距(gaps)和外部栏(bar)间距
- 保持窗口的常规属性而不进入macOS的特殊全屏状态
技术实现细节
从技术角度看,这个功能通过以下方式工作:
-
空间处理:当启用窗口化全屏时,窗口会忽略所有配置的padding(包括常规padding和external_bar padding)
-
系统界面适配:
- 无法覆盖macOS的Notch区域或菜单栏区域(即使菜单栏设置为自动隐藏)
- 如果Dock设置为自动隐藏,窗口可以扩展到Dock区域
- 对于较新的MacBook,窗口顶部位置会受到Notch的限制
-
兼容性:该功能对托管和非托管窗口都有效
使用方式
用户可以通过简单的命令启用这一功能:
yabai -m window --toggle windowed-fullscreen
与现有功能的对比
与原生全屏模式相比,窗口化全屏:
- 不会触发macOS的全屏动画
- 不会创建独立的全屏空间
- 窗口保持其原有属性
与zoom-fullscreen相比,窗口化全屏:
- 忽略所有间距配置
- 可以扩展到更接近屏幕边缘的区域
- 仍然保留窗口装饰(如标题栏)
实际应用场景
这一功能特别适合以下场景:
- 需要快速最大化窗口查看内容,但不想离开当前工作空间
- 在多显示器环境下需要保持窗口关联性
- 对系统动画效果敏感,追求即时响应的用户
注意事项
当前实现中需要注意:
- 窗口化全屏状态下,窗口仍然可以通过鼠标拖动
- 标题栏等窗口装饰仍然可见
- 无法完全覆盖系统保留区域(如Notch)
yabai的这一新功能为用户提供了更灵活的窗口管理选择,填补了传统全屏和平铺模式之间的空白,使得工作流程可以更加高效和个性化。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868