提高终端工作效率的利器——Fasd使用详解
在终端工作中,我们常常需要频繁地访问文件和目录,而传统的路径导航方式往往繁琐且耗时。今天,就让我们一起来了解一个开源项目——Fasd,它可以大大提高我们在POSIX shells中的工作效率。
一、Fasd简介
Fasd(发音类似于"fast")是一个命令行生产力增强工具。它为POSIX shells提供了快速访问文件和目录的能力。Fasd通过跟踪用户访问的文件和目录,使得用户可以快速引用它们。
Fasd的命名来源于其默认建议的别名:f(文件)、a(文件/目录)、s(显示/搜索/选择)、d(目录)。Fasd通过“frecency”(频率和最近使用时间的结合)对文件和目录进行排序。
二、Fasd安装
Fasd可以通过各种包管理器安装。具体的安装方法,请参考官方文档。
你也可以手动获取Fasd的副本。
从GitHub下载Fasd 1.0.1版本: zip格式、tar.gz格式。
Fasd是一个自包含的POSIX shell脚本,可以 sourced 或 executed。
三、Fasd使用示例
以下是一些使用Fasd的示例,展示了如何通过简短的命令来打开文件或导航到目录:
v def conf => vim /some/awkward/path/to/type/default.conf
j abc => cd /hell/of/a/awkward/path/to/get/to/abcdef
m movie => mplayer /whatever/whatever/whatever/awesome_movie.mp4
o eng paper => xdg-open /you/dont/remember/where/english_paper.pdf
vim `f rc lo` => vim /etc/rc.local
vim `f rc conf` => vim /etc/rc.conf
Fasd还提供了一些有用的默认别名,如:
alias a='fasd -a' # 任何
alias s='fasd -si' # 显示/搜索/选择
alias d='fasd -d' # 目录
alias f='fasd -f' # 文件
alias sd='fasd -sid' # 交互式目录选择
alias sf='fasd -sif' # 交互式文件选择
alias z='fasd_cd -d' # cd,与autojump中的j功能相同
alias zz='fasd_cd -d -i' # cd与交互式选择
Fasd智能地检测何时显示文件列表,何时只显示最佳匹配。
四、Fasd进阶应用
Fasd的强大之处在于,它不仅仅是一个简单的文件和目录导航工具,它还能智能地根据你的使用习惯来优化操作。例如,当你在一个子shell中调用Fasd并传递一些搜索参数时,Fasd只会返回最佳匹配,这使得你可以进行如下操作:
mv update.html `d www`
cp `f mov` .
这样的操作可以让你在不离开当前目录的情况下,快速地将文件移动或复制到你想要的位置。
五、结语
Fasd是一个小巧但功能强大的工具,它通过智能的文件和目录访问优化,为我们提供了更加高效和便捷的终端操作体验。如果你经常使用终端进行文件操作,那么Fasd绝对值得一试。
注意:本文中提及的安装和下载链接,请替换为https://github.com/clvv/fasd.git以符合文章要求。
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