Gmvault 使用与技术文档
2024-12-25 12:26:05作者:胡唯隽
1. 安装指南
下载安装
您可以从 Gmvault 官方网站 下载适合您操作系统的二进制分布版本。
- Windows: 下载安装程序后,运行
gmvault-shell.bat脚本(桌面上有快捷方式)以设置环境。 - Linux 和 Mac OS X: 解压二进制发行版的 tarball 包,并进入 GMVAULT_HOME/bin 目录以运行 gmvault。
从源代码安装
您也可以从 GitHub 上的源代码安装 Gmvault。
- 从源代码安装: 在源代码目录中运行
python setup.py install。 - 从 PyPi 安装: 使用
pip install gmvault或easy_install gmvault命令。
2. 使用说明
认证方式
Gmvault 允许用户使用 XOAuth 令牌或 Gmail 登录密码进行认证。推荐使用 XOAuth 认证方式。
- 使用 XOAuth 认证时,首次为特定账户认证后,XOAuth 令牌将存储在
$HOME/.gmvault目录下,用于后续的认证。 - 如果需要,也可以使用
--passwd选项通过 Gmail 登录密码进行认证。
备份邮件
- 完整同步: 运行
$>gmvault sync foo.bar@gmail.com。 - 增量同步: 运行
$>gmvault sync -t quick foo.bar@gmail.com。
邮件默认备份在 $HOME/gmvault-db(Windows 下为 %HOME%/gmvault-db)目录下,您可以通过 -d DB_DIR 或 --db-dir DB_DIR 选项更改本地邮件存储位置。
恢复邮件
- 恢复到 Gmail 账户: 运行
$>gmvault restore newfoo.bar@gmail.com将$HOME/gmvault-db(或 Windows 下的%HOME%/gmvault-db)中的邮件恢复到newfoo.bar@gmail.com。 - 从指定位置恢复: 运行
$>gmvault restore newfoo.bar@gmail.com -d /backup/emails-db从/backup/emails-db路径恢复邮件。
使用 --resume 或 --restart 选项可以从中断处恢复操作,而无需重新上传已处理的邮件。
3. API 使用文档
本项目的 API 使用文档暂时无法提供,因为 Gmvault 是一个命令行工具,其主要功能通过 CLI(命令行界面)提供,并不直接暴露 API。但是,您可以查看项目的 GitHub 仓库,了解其内部结构和可能的接口定义。
4. 项目安装方式
- 二进制安装包: 从 Gmvault 官方网站 下载适合您操作系统的二进制安装包。
- 源代码安装: 克隆 GitHub 仓库,并在仓库目录中运行
python setup.py install命令。 - PyPi 包安装: 使用
pip install gmvault或easy_install gmvault命令通过 Python 包索引安装。
请确保按照以上步骤进行安装和使用,以便充分利用 Gmvault 提供的 Gmail 备份和恢复功能。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
Ascend Extension for PyTorch
Python
186
203
暂无简介
Dart
629
143
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
React Native鸿蒙化仓库
JavaScript
242
316
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
383
3.56 K
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
481
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++
648
266
🎉 (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
1.11 K
624
仓颉编译器源码及 cjdb 调试工具。
C++
128
858