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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00