颠覆Mac休眠逻辑:Amphetamine Enhancer的创新使用指南
核心价值:重新定义Mac唤醒机制
Amphetamine Enhancer作为一款开源的Mac辅助工具,通过突破App Store沙盒限制,为Amphetamine应用增添了更多高级功能。它解决了标准唤醒工具无法满足复杂场景需求的痛点,让Mac在需要时保持完全清醒状态,为远程工作、开发测试和长时间任务提供了完美解决方案。
 Amphetamine Enhancer应用图标,象征着打破常规的休眠控制能力
场景驱动:按用户角色定制的解决方案
程序员专用:开发测试不中断
痛点:编译或测试过程中电脑意外休眠导致任务失败
解决方案:进程监控功能实时追踪开发工具状态,确保Xcode、终端等关键应用运行时系统保持唤醒
实际操作案例:
- 启动Amphetamine Enhancer
- 在进程监控面板添加Xcode和终端应用
- 启用"进程活跃时保持唤醒"选项
- 开始编译大型项目,即使长时间无操作也不会中断
设计师必备:创意工作不间断
痛点:渲染或导出大型文件时电脑进入休眠
解决方案:智能会话管理功能可基于时间或系统事件创建触发规则
实际操作案例:
- 创建"渲染模式"会话
- 设置触发条件为Final Cut Pro或Photoshop运行
- 配置持续时间为"直到应用关闭"
- 开始视频导出,离开电脑也无需担心中断
远程工作者:保持连接不中断
痛点:远程桌面连接时因电脑休眠断开连接
解决方案:闭屏模式保护确保关闭显示屏时系统依然保持活跃
实际操作案例:
- 启用"闭屏保护"功能
- 设置触发条件为"检测到远程连接"
- 关闭笔记本屏幕,系统仍保持网络连接
- 通过手机热点继续远程控制电脑
实施路径:从安装到验证的完整流程
环境准备
系统要求:
- macOS系统
- 已安装Amphetamine 5.0或更高版本
安装步骤
🔧 步骤1:克隆项目仓库
git clone https://gitcode.com/gh_mirrors/am/Amphetamine-Enhancer
🔧 步骤2:打开Xcode项目 进入项目目录,双击"Amphetamine Enhancer.xcodeproj"文件
🔧 步骤3:构建并运行 在Xcode中点击"运行"按钮,等待构建完成并自动安装
验证方法
完成安装后,通过以下步骤确认功能是否生效:
- 启动Amphetamine Enhancer
- 打开"进程监控"选项卡
- 添加一个常用应用(如Safari)
- 最小化所有窗口,等待通常会触发休眠的时间
- 检查应用是否仍在运行,屏幕是否保持唤醒状态
新手常见误区
⚠️ 注意:不要同时启用多个冲突的唤醒规则,这可能导致系统无法正常休眠或无法保持唤醒。建议为不同场景创建独立的会话配置文件。
进阶技巧
点击展开高级配置
自定义触发规则
- 创建基于时间的触发规则,如"工作日9:00-18:00保持唤醒"
- 设置应用组合触发,如"同时运行Xcode和Simulator时启动长时间会话"
- 配置网络活动触发,检测到下载时自动延长唤醒时间
命令行控制
通过终端命令快速控制:
# 启动增强会话
defaults write com.amphetamine.enhancer enabled -bool true
# 查看当前状态
defaults read com.amphetamine.enhancer status
技术原理
Amphetamine Enhancer通过以下机制实现高级唤醒控制:
- 进程监控:实时追踪应用活动状态,通过观察进程列表和资源使用情况判断系统是否需要保持唤醒
- 电源管理覆盖:临时修改系统电源管理设置,在满足条件时阻止休眠
- 事件驱动触发:监听系统事件(如屏幕关闭、网络连接变化)并应用相应规则
相关工具推荐
- Amphetamine:基础唤醒功能,Amphetamine Enhancer的必备依赖
- Caffeine:轻量级唤醒工具,适合简单场景使用
- NoSleep:专注于闭屏唤醒的轻量工具
结语
Amphetamine Enhancer为Mac用户提供了前所未有的休眠控制能力,无论是专业开发者还是普通用户,都能从中获得显著的效率提升。你在什么场景下最需要控制Mac的休眠状态?欢迎在评论区分享你的使用经验和创意场景。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00