Überzug++ 项目下载及安装教程
1. 项目介绍
Überzug++ 是一个用 C++ 编写的命令行实用程序,旨在通过使用 X11/Wayland 子窗口、Sixel、Kitty 和 iTerm2 在终端上绘制图像。该项目旨在成为现已废弃的 Überzug 项目的替代品。Überzug++ 提供了比 w3mimgdisplay 和 Überzug 更多的优势,包括对 Wayland(如 Sway、Hyprland 和 Wayfire)的支持、MacOS 支持、无竞争条件、支持没有 WINDOWID 环境变量的终端等。
2. 项目下载位置
要下载 Überzug++ 项目,请访问其 GitHub 仓库。你可以使用以下命令克隆项目:
git clone https://github.com/jstkdng/ueberzugpp.git
3. 项目安装环境配置
在安装 Überzug++ 之前,你需要确保系统中安装了以下依赖项:
- CMake ≥ 3.22
- libvips
- libsixel
- chafa ≥ 1.6
- openssl
- tbb
3.1 Ubuntu/Debian 系统
在 Ubuntu 或 Debian 系统上,你可以使用以下命令安装这些依赖项:
sudo apt-get install libssl-dev libvips-dev libsixel-dev libchafa-dev libtbb-dev
3.2 Fedora 系统
在 Fedora 系统上,你可以使用以下命令安装这些依赖项:
sudo dnf install openssl-devel vips-devel libsixel-devel chafa-devel tbb-devel
3.3 依赖项安装示例
以下是 Ubuntu 系统上安装依赖项的示例截图:

4. 项目安装方式
4.1 克隆项目
首先,克隆 Überzug++ 项目到本地:
git clone https://github.com/jstkdng/ueberzugpp.git
cd ueberzugpp
4.2 创建构建目录
接下来,创建一个构建目录并进入该目录:
mkdir build
cd build
4.3 配置构建选项
使用 CMake 配置构建选项。你可以根据需要启用或禁用某些功能。以下是一些常用的选项:
ENABLE_OPENCV(默认开启)ENABLE_X11(默认开启)ENABLE_TURBOBASE64(默认关闭)ENABLE_WAYLAND(默认关闭)
例如,启用 Turbo-Base64 支持:
cmake -DCMAKE_BUILD_TYPE=Release -DENABLE_TURBOBASE64=ON ..
4.4 编译项目
配置完成后,编译项目:
cmake --build .
4.5 安装项目(可选)
如果你希望将 Überzug++ 安装到系统默认路径,可以使用以下命令:
sudo cmake --install .
5. 项目处理脚本
Überzug++ 提供了两个命令:layer 和 tmux。layer 用于向 Überzug++ 发送命令,而 tmux 用于内部处理。
5.1 layer 命令选项
layer 命令接受以下选项:
ueberzug layer -h
这将显示帮助信息,包括所有可用的选项。
5.2 使用 JSON 对象控制图像显示
你可以使用 JSON 对象来控制图像的显示和隐藏。例如,显示图像的 JSON 对象如下:
["action":"add", "identifier":"preview", "max_height":0, "max_width":0, "path":"/path/image.ext", "x":0, "y":0]
隐藏图像的 JSON 对象如下:
["action":"remove", "identifier":"preview"]
通过这些步骤,你可以成功下载、安装并使用 Überzug++ 项目。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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