Raycast脚本命令中的参数使用详解
2026-02-04 05:10:11作者:傅爽业Veleda
什么是脚本参数
在Raycast脚本命令中,参数(Arguments)是一种强大的功能,它允许用户在执行脚本时输入自定义内容。通过参数,你可以创建更加灵活和交互式的脚本命令,比如设置待办事项、执行特定搜索或传递配置信息等。
参数的基本配置
要为脚本添加参数,需要在脚本的元数据中使用argument[1..3]声明。每个参数都是一个JSON对象,包含多个配置字段:
#!/bin/bash
# @raycast.argument1 { "type": "text", "placeholder": "输入搜索内容" }
参数类型(type)
Raycast支持三种参数类型:
- text:普通文本输入框
- password:密码输入框(输入内容会显示为星号)
- dropdown:下拉选择框
常用配置字段
| 配置项 | 说明 | 是否必填 | 适用版本 |
|---|---|---|---|
| type | 参数类型(text/password/dropdown) | 是 | 1.64.0+ |
| placeholder | 输入框占位提示文字 | 是 | 1.2.0+ |
| optional | 是否可选参数(默认false) | 否 | 1.3.0+ |
| percentEncoded | 是否对参数值进行URL编码 | 否 | 1.4.0+ |
| data | 下拉选项数据(仅dropdown类型需要) | 条件必填 | 1.64.0+ |
参数类型详解
1. 文本输入参数
最基本的参数类型,适用于大多数需要用户输入的场景:
# @raycast.argument1 {
# "type": "text",
# "placeholder": "输入城市名称",
# "percentEncoded": true
# }
2. 密码输入参数
当需要输入敏感信息时使用,输入内容会被隐藏:
# @raycast.argument1 {
# "type": "password",
# "placeholder": "输入API密钥"
# }
3. 下拉选择参数
提供预定义的选项供用户选择,适合有限选项的场景:
# @raycast.argument1 {
# "type": "dropdown",
# "placeholder": "选择语言",
# "data": [
# {"title": "中文", "value": "zh"},
# {"title": "English", "value": "en"}
# ]
# }
参数使用技巧
-
参数数量限制:目前最多支持3个参数,如需更多可考虑使用交互式脚本
-
自动聚焦:输入脚本别名后按空格,Raycast会自动将焦点移到第一个输入框
-
URL编码:对于需要直接拼接到URL中的参数,建议启用
percentEncoded -
可选参数:合理使用
optional标记非必要参数,提升用户体验
实际应用示例
下面是一个完整的航班搜索脚本示例,展示了两个参数的用法:
#!/bin/bash
# 必需参数
# @raycast.schemaVersion 1
# @raycast.title 航班搜索
# @raycast.mode silent
# 可选参数
# @raycast.icon ✈️
# @raycast.packageName 网络搜索
# 参数配置
# @raycast.argument1 {
# "type": "text",
# "placeholder": "出发城市",
# "percentEncoded": true
# }
# @raycast.argument2 {
# "type": "text",
# "placeholder": "到达城市",
# "optional": true,
# "percentEncoded": true
# }
# 脚本逻辑
if [ -z "$2" ]; then
open "https://www.google.com/search?q=flights%20from%20$1"
else
open "https://www.google.com/search?q=flights%20from%20$1%20to%20$2"
fi
最佳实践建议
-
清晰的占位文本:使用简洁明了的placeholder说明参数用途
-
合理的参数顺序:将必填参数放在前面,可选参数放在后面
-
类型选择:根据输入内容性质选择合适的参数类型
-
错误处理:在脚本中对参数进行验证,提供友好的错误提示
-
性能考虑:对于dropdown类型,避免加载过多选项影响性能
通过合理使用参数功能,你可以创建出更加灵活、用户友好的Raycast脚本命令,极大提升工作效率。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1