掌控你的命令行体验——iTomate
2024-05-20 03:01:32作者:田桥桑Industrious
iTomate 是一款强大的 iTerm2 自动化布局与会话设置工具。它以 YAML 文件的形式定义你的 iTerm 布局和命令执行,只需一条命令即可让 iTerm 为你准备好工作环境。
快速上手
首先确保你运行的是 iTerm2 v3.3 或以上版本,并已安装 Python 3.5 及更高版本。接下来通过 pip 安装 iTomate:
pip install itomate
在 iTerm 的偏好设置中启用 Python API 使用(见下图):

通过以下命令查看 iTomate 版本:
itomate --version
演示与使用
iTomate 能够自定义窗口布局、窗格数量、标题和命令。看看这个演示 GIF,了解它是如何工作的:

在 iTerm 中,运行以下命令来启动预设的配置文件:
itomate -c config.yml
如果没有提供 -c 参数,iTomate 将默认查找当前目录下的 itomate.yml 文件。
以下是可用选项的简要列表:
itomate [-c,--config <config-file>] # 设置 iTerm 会话
[-h,--help] # 显示帮助屏幕
[-v,--version] # 显示已安装的 iTomate 版本
[-n,--new] # 在新窗口中运行 iTomate
配置
配置文件采用 YAML 格式,例如:
version: "1.0"
profile: "My Profile"
tabs:
...
更多配置细节请参考项目文档,包括如何设置窗口、根路径、标题、窗格位置、焦点、命令和提示等。
环境变量与布局
你可以利用操作系统环境变量创建模板,管理敏感信息并安全地将配置文件提交到版本控制系统。每个窗格的位置由 position 参数决定,如 1/1 表示第一列的第一行。
应用场景
- 开发者: 针对不同的项目快速切换布局,一键启动开发环境。
- 团队协作: 共享标准的工作流程配置,保证团队成员有统一的开发环境。
- 多任务处理: 效率提升神器,一个 iTerm 窗口内轻松管理多个任务或进程。
项目特点
- 高度可定制化: 从窗口、标签页、窗格到命令,一切皆可定制。
- 简单易用: 通过 YAML 配置文件,无需编程即可实现复杂的命令行布局。
- 环境变量集成: 安全处理敏感信息,支持模板化的配置文件。
- 一键启动: 一条命令,立即激活预设的 iTerm 工作区。
- 跨平台兼容: 只需 iTerm2 和 Python 3.5+ 即可使用,与操作系统无关。
iTomate 让你能够充分利用 iTerm2 的强大功能,提升工作效率,更专注于代码本身。立即尝试 iTomate,感受不一样的命令行体验!
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
635
🎉 (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
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
634