内容简介:在集智俱乐部注意力与知识管理群里最近讨论起了 Alfred,一位同志建议我使用它,他跟我分享了但是我不以为然,我提出「这些用浏览器自带的搜索框都能搞定嘛,我但是我渐渐发现 MacOS 的自动操作(Automator)运行很不稳定,虽然总能执行成功,但有时浏览器框可以瞬间唤出,有时却要等待 2-8 秒,在
在集智俱乐部注意力与知识管理群里最近讨论起了 Alfred,一位同志建议我使用它,他跟我分享了 alfred-github-workflow 说:「感觉作为入口,它做得很不错了。可以直接搜索我的收藏夹、本地文档(甚至 PDF 内容。不过我用不到)、github、api 文档。极少找不到的时候,回车就跳到 google 搜索」。
但是我不以为然,我提出「这些用浏览器自带的搜索框都能搞定嘛,我 只需要搞一个快捷键唤出浏览器框 就好了,反正我要搜索的东西都是在线服务。」这样的观点。
但是我渐渐发现 MacOS 的自动操作(Automator)运行很不稳定,虽然总能执行成功,但有时浏览器框可以瞬间唤出,有时却要等待 2-8 秒,在 高级技术顾问也没给出有效方案 后,我有点想试试 Alfred 了。
而真正让我开始尝试类似 Alfred 的产品的原因是我想写一个 JS 脚本自动翻译英文日文单词,并自动加入 Anki 笔记本安排背诵。我得找一个方便管理这种简单 JS 脚本的平台,而且执行速度要够快、支持的语法要全面(最好是在最新版的 NodeJS 上执行)。
Zazu
于是我考察了几个排名较高的 JS 脚本管理平台,比如 Alfred,令人惊讶的是 Alfred 居然 直接在 JXA (JavaScript for Automation) 上运行 JS 脚本 ,而且在本地开发脚本的流程很麻烦,而且 Alfred 不开源,想加入新的功能会很慢。
我还搜到了 Hain 和 Dext 和 Typie ,不过它们开发的插件得发布到 npm 上,这稍微麻烦了一点,因为脚本更新很频繁,最好是能直接用本地的 JS 脚本或者从 Github 仓库、Github Gist 上直接下载脚本。
Zazu 就不错,能根据配置文件从 Github 上直接下载插件,它会把仓库 clone 下来并用自带的 npm
执行 npm i
来完成插件的安装。插件是以 Block 组织的,每个 Block 可以接受别的 Block 作为输入,并输出结果到别的 Block 里,最终调用一些 Zazu 内置的 Block 打开浏览器等等。而且它是 MIT 协议开源的,我想怎么改都可以,还能重新发布等等。
于是我 自行修改了 Zazu ,让它支持最新的 NodeJS 版本,还加上了磨砂玻璃效果等等,然后发布了一版给自己用。
链接:https://pan.baidu.com/s/1aoScfago0PuGKJQtKYZEHQ 密码:krdd
改别人的插件
我通过修改古人的陈年代码很快捣鼓出了一个翻译+加入 Anki 的插件 zazu-translation ,源码很简单,首先在插件的 zazu.json
里面声明有哪些 Block,此处会把输入丢给 src/cn.js
翻译,然后把输出连接到 "copy", "add-to-anki"
这两个 Block 里,分别又调用另外两个 JS 脚本格式化输出复制到剪贴板、通过 AnkiConnect 保存到 Anki 里:
{ "blocks": { "input": [ { "title": "translate to chinese", "id": "translation-chinese", "type": "PrefixScript", "space": true, "args": "Required", "prefix": "cn", "script": "src/cn.js", "debounce": 100, "connections": ["copy", "add-to-anki"] } ], "output": [ { "id": "copy", "type": "UserScript", "script": "src/utils/getResult.js", "connections": ["copy-to-clipboard"] }, { "id": "copy-to-clipboard", "type": "CopyToClipboard", "text": "{value}" }, { "id": "add-to-anki", "type": "UserScript", "script": "src/utils/addToAnki.js" } ] } }
与 AnkiConnect 的代码 也很简单,都是网上抄来到陈年代码。
在把所有改动都提交到 Github 上之后,只要在 Zazu 的配置文件 ~/.zazurc.json
里面注明要下载这个仓库就好了:
{ "hotkey": "alt+space", "theme": "linonetwo/zazu-light-theme", "displayOn": "detect", "blur": false, "plugins": [ { "name": "linonetwo/zazu-translation", "variables": { "anki": true, "deckName": "英语", "modelName": "基础", "fields": { "raw": "正面", "result": "背面" } } },
其中 linonetwo/zazu-translation
就是从 https://github.com/linonetwo/zazu-translation
下载这个插件的意思。
我常用的插件
我总共装了 11 个插件,配置文件分享在 Github Gist 上。
部分截图如下:
linonetwo/zazu-clipboard 查看剪贴板及内容预览
linonetwo/zazu-translation 翻译成各种语言,并可选地把翻译结果添加到 Anki
linonetwo/zazu-firefox-bookmarks 翻译成各种语言,并可选地把翻译结果添加到 Anki
linonetwo/zazu-tldr 搜索常用 程序员 命令的使用方法
tinytacoteam/zazu-fallback 调用搜索引擎,添加自己常用的搜索引擎
如果自己写一个 JS 爬虫脚本爬取搜索引擎的结果并返回给 Zazu 的话,就能像 zazu-tldr 那样即时返回结果了。但如果懒得写这样的脚本,而 Github 上也还没有现成的脚本分享怎么办呢,可以在 zazu-fallback 里面添加想用的搜索引擎的查询 URL,让 zazu-fallback 这个脚本把你要查询的关键字拼在查询 URL 后面,打开浏览器执行搜索就好了。
这个功能类似于 Chrome 的「自动保存用过的搜索引擎」还有 Firefox 的「搜索引擎书签」:
总之我是把之前加到 Firefox 里面的「搜索引擎书签」都直接搬了过来……
还有没有更多用处?
之前我在 用浏览器输入框代替Alfred 里写道:
当然,不得不承认 Alfred 等 工具 能调用 AppleScript,从而管理大量自定义服务(我刚刚定义的「唤起并打开浏览器新标签页」就是一个自定义服务),可以想见,当我自定义了数十个这样的服务后,可能会记不清其快捷键,这就是 Alfred 上场的时候了。
现在我算是有一个本地的自定义服务了(查询翻译并添加到本地的 Anki 笔记里),但暂时还没遇到需要更多本地服务的场景,毕竟大多数自动化操作都由 VSCode 的插件和 Task 完成了。Zazu 暂时还是没有特别大的用处,毕竟实际上只有一个调用本地服务的 JS 脚本需要它来管理。
可能当我不再从事编码工作,离开 VSCode 等高度自动化的环境,进入传统办公的蛮荒之地的时候,Alfred、Zazu 这样的脚本服务管理器才会发挥出巨大的威力吧。
最后,如果想试试看的 Mac 用户可以在百度盘下载:
链接:https://pan.baidu.com/s/1aoScfago0PuGKJQtKYZEHQ 密码:krdd
其他平台用户请从源码自行打包,因为我目前没有其他平台的机器,而自动打包的权限在 tinyzazuteam 那边(这说明了 MIT 协议其实只放开了源码,而没有放开 merge PR、CI 流程的权限的话,开源项目其实还是掌握在原始开发者手里嘛),我也没空自己重新配流程,所以目前最新版只有 Mac 版本,其他平台的只有未经我升级 Electron 版本的旧版啦。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- Mattermost 5.14 发布,Slack 的开源替代品
- Rocket.Chat 3.1.0 发布,Slack 开源替代品
- Rocket.Chat 3.2.0 发布,Slack 开源替代品
- Rocket.Chat 0.58.4 发布,Slack 开源替代品
- Rocket.Chat 0.59.1 发布,Slack 开源替代品
- Rocket.Chat 3.4.0 发布,Slack 开源替代品
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
精通数据科学:从线性回归到深度学习
唐亘 / 人民邮电出版社 / 2018-5-8 / 99.00元
数据科学是一门内涵很广的学科,它涉及到统计分析、机器学习以及计算机科学三方面的知识和技能。本书深入浅出、全面系统地介绍了这门学科的内容。 本书分为13章,最初的3章主要介绍数据科学想要解决的问题、常用的IT工具Python以及这门学科所涉及的数学基础。第4-7章主要讨论数据模型,主要包含三方面的内容:一是统计中最经典的线性回归和逻辑回归模型;二是计算机估算模型参数的随机梯度下降法,这是模型工......一起来看看 《精通数据科学:从线性回归到深度学习》 这本书的介绍吧!