org-board 的安装和配置教程
项目基础介绍和主要编程语言
org-board 是一个基于 Emacs Org 模式的书签和网页存档系统。它可以帮助用户将书签存档,即使在离线状态或原网站宕机时也能访问。org-board 使用 wget 作为后端进行存档,因此可以直接使用 wget 的选项。这意味着用户可以通过几个键击下载整个网站的存档,并通过简单的 Org 文件跟踪存档。
该项目主要使用 Emacs Lisp 进行开发,这是一种为 Emacs 编辑器编写扩展和程序的语言。
项目使用的关键技术和框架
org-board 依赖于以下几个关键技术:
- Emacs Org 模式:一种强大的笔记和组织系统,允许用户以简单的方式管理任务、笔记和时间规划。
- wget:一个用于下载文件的命令行工具,能够下载整个网站或单个网页,以及相关的资源文件。
项目安装和配置的准备工作
在开始安装 org-board 前,请确保您的系统中已安装以下软件:
- Emacs(推荐版本为24或更高版本)
- wget
在安装 org-board 前,还需要确保您的 Emacs 配置能够加载和使用 Org 模式。
详细安装步骤
以下是安装 org-board 的详细步骤:
-
克隆项目仓库
打开命令行界面,运行以下命令克隆 org-board 的 Git 仓库到本地:git clone https://github.com/charlesroelli/org-board.git -
将代码添加到 Emacs 路径
在 Emacs 配置文件中(通常是~/.emacs或~/.emacs.d/init.el),添加以下代码以将 org-board 的路径添加到 Emacs 的加载路径中:(add-to-list 'load-path "/path/to/org-board")请确保将
/path/to/org-board替换为实际的 org-board 仓库路径。 -
加载 org-board
在 Emacs 配置文件中,添加以下代码来加载 org-board:(require 'org-board) -
重新启动 Emacs
保存并关闭 Emacs 配置文件,然后重新启动 Emacs。此时 org-board 应该已经被加载。 -
配置 org-board
如果需要,可以配置 org-board 的各种选项,例如org-board-wget-program和org-board-wget-switches等。这些选项可以在 Emacs 配置文件中进行设置。
完成以上步骤后,您就可以开始使用 org-board 管理您的书签和网页存档了。
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