【免费下载】 BewlyBewly: 极致优化你的Bilibili体验
项目介绍
BewlyBewly 是一个专注于提升 Bilibili 用户界面体验的浏览器扩展项目。它不仅对页面进行了精细的设计调整与优化,还引入了类似 YouTube Vision OS 和 iOS 的设计理念,使整个界面更加美观且易于操作。
该项目基于 vitesse-webext 模板进行开发,极大地提高了开发效率并保证了项目的顺利进展。值得注意的是,尽管项目致力于全面改进用户体验,但考虑到资源及维护难度,暗黑模式仅适用于常用页面,而非常见的功能性或效能增强。
BewlyBewly 目前主要支持以下几种语言:
- 英语(English)
- 简体中文(简体中文)
- 正體中文(正體中文)
- 廣東話(廣東話)
项目快速启动
技术栈概览
BewlyBewly 使用了 Vue.js 作为核心框架,具体版本是 Vue.js 3 版本。项目采用了 MIT 许可证,这意味着它是完全开放源码的,您可以自由地查看、修改以及分发项目代码。以下是项目的部分技术配置文件列表:
tsconfig.jsontsup.config.tsunocss.config.tsvite.config.content.tsvite.config.ts
安装指南
在线安装
强烈建议在 Microsoft Edge 浏览器中通过 Google Chrome 网店进行在线安装。相比 Edge 插件商店,Chrome 网店更新速度更快,能够更迅速地修复关键性的 Bug。
Chrome 网店: https://chromewebstore.google.com/detail/bewlybewly/bbbiejemhfihiooipfcjmjmbfdmobobp
Edge 商店: https://microsoftedge.microsoft.com/addons/detail/bewlybewly/bbbiejemhfihiooipfcjmjmbfdmobobp
本地安装步骤
如果您想要自行编译或者调试 BewlyBewly 扩展,可以遵循以下步骤:
-
克隆仓库至本地:
git clone https://github.com/BewlyBewly/BewlyBewly.git -
切换到仓库目录:
cd BewlyBewly -
安装依赖包(确保您已经安装了 Node.js):
npm install -
启动本地开发环境:
npm run dev
此时,在您的 Chrome 或者 Edge 浏览器上打开 chrome://extensions/ 或者相应管理插件的页面,选择 "加载已解压的扩展程序" 并指向 BewlyBewly 的 dist 文件夹即可完成测试环境下的安装。
应用案例和最佳实践
为了最大化利用 BewlyBewly 提供的功能,推荐您采取以下策略以提高 Bilibili 上的观看体验:
自定义设置
个性化主题:BewlyBewly 支持自定义主题色,以匹配您的个人喜好。
高级搜索:借助集成的高级搜索功能,轻松找到您想看的内容。
资源高效利用
合理分配时间:利用过滤和分类功能有针对性地筛选视频,避免浪费时间在不感兴趣的领域。
社区互动参与
积极参与评论讨论:由于 BewlyBewly 提升了社区互动的易用性和可视化效果,这将鼓励更多用户参与到对话中去,共同构建积极健康的网络文化。
典型生态项目
在 BewlyBewly 生态系统中,有几个辅助项目也值得关注:
- Imgs: 存储了所有 BewlyBewly 使用的壁纸、searchBarCharacters 和 logo 图标等素材。
这些周边项目的建设进一步完善了 BewlyBewly 的整体功能和用户体验。无论是外观美化还是功能拓展,它们都紧密地结合在一起,构成了一个完整而强大的生态系统,使得 BewlyBewly 不仅仅是一款简单的浏览器扩展,而是成为了一个致力于为用户提供更好服务的平台。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00