Writing Tools项目发布Windows v7.1与macOS v4版本更新
Writing Tools是一款跨平台的AI辅助写作工具,旨在为用户提供智能化的文本处理功能。该项目通过热键触发,可以快速实现文本摘要、翻译、改写等操作,支持多种AI模型提供商。最新发布的Windows v7.1和macOS v4版本带来了多项重要功能更新和体验优化。
Windows v7.1版本亮点
1. 可自定义按钮功能
本次更新最大的亮点是引入了完全可自定义的按钮功能。用户现在可以自由添加、编辑、删除和重新排列工具栏上的各个功能按钮。这一功能的实现得益于项目贡献者momokrono构建的完整后端架构,配合开发者添加的GUI界面,包括可拖动按钮和重置默认布局等功能,大大提升了用户的操作自由度。
2. Ollama AI提供程序原生支持
新增了对Ollama API的原生支持,使得Ollama的配置更加简便,同时提供了自定义模型在内存中保留时间的选项。这一改进让本地运行的大型语言模型(Local LLM)体验更加流畅。
3. 用户界面优化
新版采用了更简洁的弹出式UI设计,优化了摘要等功能的弹出窗口初始高度,提升了视觉体验。同时改进了"思考中"文本的动画效果,使交互更加自然。
4. Gemini模型增强
增加了新的Gemini模型选项,并提供了更详细的使用说明,帮助用户更好地理解和使用不同模型的能力差异。
5. 暂停/恢复功能
新增了暂停和恢复功能,允许用户临时停止Writing Tools对热键的监听。这在需要临时禁用工具但又不想完全退出的场景下非常实用。
macOS v4版本创新
1. 图像识别功能
macOS版本现在支持在Finder中直接识别图像内容。当用户在Finder中选择图像并打开WritingTools时,应用会自动识别图像内容。对于不同AI提供商,系统采用不同处理方式:
- Google和OpenAI等提供商通过其API原生支持图像处理
- Mistral和本地LLM等使用OCR和Apple Vision进行文本识别
- Ollama用户可选择使用原生支持或OCR方式
2. 独立快捷键设置
每个工具现在都可以设置独立的键盘快捷键,前提是应用需要在后台运行。这一功能大大提升了高频用户的效率。
3. 字体大小调节
响应窗口中重新加入了字体大小调节选项,满足不同用户的阅读偏好。
4. 多语言支持
新增了西班牙语翻译,进一步完善了国际化支持。
技术架构改进
两个平台版本都进行了底层架构的优化:
- Windows版本修复了OpenAI提供程序的问题,优化了整个AI提供程序架构
- macOS版本集成了AIProxySwift框架,为所有提供程序提供统一支持
- 错误处理机制更加友好,特别是针对Gemini的速率限制情况
- 终端运行时的优雅退出功能
使用注意事项
对于Windows用户,如果遇到热键不响应的问题,建议尝试更改为ctrl+`或ctrl+j等较少冲突的组合。首次启动时,安全软件可能会延长扫描时间,属正常现象。
macOS用户更新后若遇到工具不显示的问题,需要重新在系统设置的"隐私与安全→辅助功能"中启用writing-tools的访问权限。
未来展望
根据开发路线图,Writing Tools项目未来将重点开发以下功能:
- 完整的国际化多语言界面支持
- 特定选项的专用热键
- 移除推理标记的支持
- 文本差异对比功能
- 粘贴前的活动窗口验证
- 响应窗口的文本流式传输
- 对Gemini 3等新模型的支持
- 视频和链接处理能力
- 探索Core ML或llama.cpp替代方案,以扩展本地LLM对Intel Mac的支持
Writing Tools通过持续的版本迭代,正在成长为一款功能全面、体验优秀的AI辅助写作工具。Windows和macOS双平台的同步更新,展现了开发团队对多平台用户体验的重视。特别是自定义功能和图像识别等创新特性的加入,使工具更加贴近实际写作场景的需求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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