Rubick:开源插件化桌面效率工具箱
项目介绍
Rubick 是一款基于开源插件的桌面效率工具箱,旨在通过插件化的方式提升用户的工作效率。Rubick 的插件安装和卸载基于 npm,非常轻量级,同时支持 WebDAV 多终端数据同步,确保数据的安全性。此外,Rubick 还支持内网部署,用户可以根据需求进行定制化开发,具有极高的灵活性。
项目技术分析
Rubick 的核心技术架构基于插件化设计,插件的安装和卸载通过 npm 包管理器进行,这使得插件的管理变得非常简单和高效。项目支持 WebDAV 协议,实现了多设备间的数据同步,确保用户在不同设备上都能保持一致的工作环境。此外,Rubick 还支持内网部署,适用于企业级应用场景,用户可以根据自身需求进行定制化开发。
项目及技术应用场景
Rubick 适用于多种应用场景,特别是在需要高效管理和快速启动应用程序、文件和文件夹的环境中。例如:
- 个人用户:可以通过 Rubick 快速启动常用应用,管理个人文件,提升日常工作效率。
- 企业用户:Rubick 支持内网部署,可以作为企业内部的效率工具,帮助员工快速访问和使用公司资源。
- 开发者:Rubick 的插件化设计为开发者提供了极大的灵活性,可以根据项目需求定制插件,满足特定的开发需求。
项目特点
- 插件化管理:基于 npm 包管理模式,插件的安装和卸载非常简单。
- 数据同步:支持 WebDAV 多设备数据同步,确保数据的安全性和一致性。
- 系统插件模式:独特的系统插件模式,使插件成为 Rubick 不可或缺的一部分。
- 快速启动:支持快速启动本地应用、文件和文件夹。
- 内网部署:支持企业级内网部署,满足定制化需求。
- 多语言支持:支持多种语言,适应不同用户的需求。
核心功能展示
1. 搜索系统应用
支持拼音和缩写搜索系统应用:

2. UI 插件安装
点击搜索框右侧的 rubick 图标进入插件市场,选择所需的插件并点击下载按钮进行下载。下载完成后,可以在已安装标签下找到已安装的插件。
安装完成后,输入插件调用命令即可使用相应的插件:

3. 系统插件安装
系统插件的安装方法与 UI 类别相同。在插件市场中,选择 系统类别,找到适合的系统插件进行安装。
系统插件安装成功后,需要重启 Rubick 才能生效
4. 基于 WebDAV 的多设备数据同步
在 Rubick 中搜索“偏好设置”,进入“账户与设置”,然后选择“多设备数据同步”。可以导出和导入 Rubick 插件的数据。

相关仓库
赞助
1. 加入知识星球
我们在知识星球上积累了大量关于 Rubick 的知识和常见问题。您可以通过付费加入我们的知识社区,与我们讨论。我们将随时为您解答!

2. 请我喝杯咖啡
如果项目对您有帮助,您可以请我喝杯咖啡作为奖励!

反馈
对本项目感兴趣或希望交流学习的用户,可以扫描二维码添加微信,备注 Rubick,帮助我们更好地成长。

贡献
本项目能够存在,得益于所有贡献者的努力。[贡献者列表]
许可证
本项目基于 MIT 许可证 - 详见 LICENSE 文件。
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-1.5暂无简介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-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