yabai窗口管理工具新增窗口插入点配置选项
yabai作为macOS平台上一款强大的平铺式窗口管理器,在最新更新中引入了一个实用的新配置选项window_insertion_point。这个选项允许用户自定义新窗口在空间中的插入位置,为窗口布局管理提供了更精细的控制能力。
功能解析
window_insertion_point配置项提供了三种插入位置选择:
- focused(默认值):新窗口将插入到当前获得焦点的窗口位置
- first:新窗口将作为第一个窗口插入到空间的最前面
- last:新窗口将作为最后一个窗口插入到空间的末尾
这个功能特别适合那些希望实现特定窗口布局模式的用户。例如,想要模拟传统"主从式"(master-slave)布局的用户,可以将此选项设置为first,这样新窗口就会始终出现在布局的特定位置。
实际应用场景
结合autobalance x-axis和split_type等配置,window_insertion_point可以实现多种实用的窗口布局:
-
主从式布局模拟:通过设置
window_insertion_point first,新窗口会始终出现在左侧(或上方),配合适当的split_ratio设置,可以创建类似i3wm的主从布局效果。 -
垂直显示器优化:在竖屏显示器上,设置
window_insertion_point last可以让新窗口依次向下排列,形成自然的垂直工作流。 -
专注工作区:将新窗口插入到特定位置可以帮助用户保持工作区的组织性,减少窗口杂乱。
进阶配置示例
要实现一个稳定的主从式布局,可以结合信号处理脚本进行动态调整。以下是一个配置示例:
#!/bin/zsh
currentsp=$(yabai -m query --spaces display --space)
windowcount=$(yabai -m query --windows --space | jq -r '.[]."is-floating"' | grep false | wc -l)
hiddenwindows=$(yabai -m query --windows --space | jq -r '.[]."is-visible"' | grep false | wc -l)
windowcount="$((windowcount - hiddenwindows))"
case $windowcount in
[0-1])
yabai -m config \
split_ratio 0.3 \
split_type auto
;;
2)
yabai -m config \
split_ratio 0.5 \
split_type horizontal
;;
3)
yabai -m config \
split_ratio 0.5 \
split_type horizontal
;;
*)
yabai -m config \
split_ratio 0.5 \
split_type horizontal
;;
esac
然后在.yabairc配置文件中添加相应的信号处理:
yabai -m config \
split_ratio 0.3 \
window_insertion_point first \
split_type horizontal \
auto_balance x-axis
# 添加各种事件信号处理
yabai -m signal --add event=window_created action='yabai-layout'
yabai -m signal --add event=window_destroyed action='yabai-layout'
# 其他事件处理...
技术实现原理
这个功能的实现涉及到yabai的窗口管理核心逻辑。当新窗口创建时,yabai会根据配置决定将其插入到窗口列表的哪个位置。对于first和last选项,实现相对直接,只需修改窗口在列表中的顺序。而focused选项则需要跟踪当前焦点窗口,并在其位置插入新窗口。
总结
window_insertion_point配置项的加入,使yabai的窗口管理能力更加灵活和强大。无论是简单的平铺布局还是复杂的主从式工作流,用户现在都能通过简单的配置实现理想的窗口管理效果。对于追求高效工作环境的macOS用户来说,这个功能无疑是一个值得尝试的改进。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01