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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00