Vienna:你的 macOS 专属 RSS/Atom/JSON Feed 阅读器
项目介绍
Vienna 是一款专为 macOS 设计的 RSS/Atom/JSON Feed 阅读器。它不仅能够直接连接到你想要跟踪的网站,还可以通过支持 Open Reader API 的服务器进行同步,这一 API 是已废弃的 Google Reader API 的改编版本。Vienna 已经成功测试了 BazQux.com、FreshRSS.org、FeedHQ.org、InoReader.com 和 TheOldReader.com 等平台。
项目技术分析
Vienna 的核心技术在于其对 RSS/Atom/JSON Feed 格式的支持,以及与 Open Reader API 的兼容性。它采用了现代化的 macOS 开发框架,确保了应用的稳定性和性能。此外,Vienna 还支持插件扩展和自定义样式,为用户提供了极大的灵活性和个性化选项。
项目及技术应用场景
Vienna 适用于所有需要高效管理信息流的用户,尤其是那些依赖 RSS/Atom/JSON Feed 进行信息获取的 macOS 用户。无论是个人博客、新闻网站还是技术博客,Vienna 都能帮助你轻松订阅和管理这些信息源。此外,对于开发者而言,Vienna 的插件和样式自定义功能也为他们提供了展示创意和技能的平台。
项目特点
- 多格式支持:Vienna 不仅支持 RSS 和 Atom,还支持最新的 JSON Feed 格式,确保你能获取到最全面的信息。
- 同步功能:通过 Open Reader API,Vienna 可以与多个服务器同步,确保你在不同设备上的阅读体验一致。
- 插件和样式自定义:Vienna 提供了丰富的插件和样式自定义选项,用户可以根据自己的需求和喜好进行个性化设置。
- 多语言支持:Vienna 通过 Crowdin 平台支持多语言本地化,用户可以轻松切换到自己熟悉的语言界面。
- 开源与社区驱动:Vienna 是一个开源项目,拥有活跃的社区支持,用户可以参与到项目的开发和改进中。
安装与支持
Vienna 可以通过 GitHub Releases 或 Sourceforge 下载安装。此外,你还可以通过 Homebrew Cask 进行安装:
brew install --cask vienna
如果你在使用过程中遇到问题,可以查阅 FAQ 或在 Discussions 页面 寻求帮助。如果你发现了问题或希望提出新功能建议,可以在 GitHub Issues 页面提交。
贡献与参与
Vienna 欢迎所有形式的贡献,无论你是开发者、翻译者还是设计师。你可以通过以下方式参与到项目中:
- 编写代码:请参考 CONTRIBUTING.md。
- 本地化:通过 Crowdin 帮助 Vienna 支持更多语言。
- 自定义样式:参考 创建自定义样式文档。
- 编写插件:参考 创建插件文档。
Vienna 是一个开源项目,采用 Apache License, Version 2.0 许可协议。我们期待你的加入,一起打造更好的 RSS 阅读体验!
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-1.5暂无简介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