新闻详情

新闻详情

首页 / 资讯中心 / 详情

开源了一个 Apple Silicon Mac 风扇控制工具 MacFanPro:菜单栏 + 命令行,免费无广告

发布时间:2026/10/2 2:34:50来源:尧图网络
开源了一个 Apple Silicon Mac 风扇控制工具 MacFanPro:菜单栏 + 命令行,免费无广告
一直想要一个透明、可控的 Mac 风扇控制工具就基于 ThermalForge 独立维护了 MacFanProMIT 协议开源。主要功能* 菜单栏显示 CPU、GPU、内存、SSD 温度和风扇转速* 智能、静音、均衡、性能、最大转速几种模式一键恢复 Apple 自动控制* 安全设计95°C 高温保护后台服务自带高温兜底应用退出也生效应用无响应时看门狗自动把风扇交还系统* 命令行 macfanpro设定转速、输出 JSON 状态、记录 CSV* 原生 Swift不收集数据唯一联网是每天检查一次 GitHub 更新走系统代理界面支持 18 种语言安装brew tap macfanpro/tap brew trust macfanpro/tapbrew install macfanpro现在是预编译包不需要装 XcodeGitHubhttps://github.com/macfanpro/macfanpro中文说明https://github.com/macfanpro/macfanpro/blob/main/README.zh-CN.md开发过程中踩了不少坑比如 M4 上风扇手动接管要和固件“交接”、半唤醒时可能只接管了一半传感器选错导致 CPU 温度比 Stats 高 10°C 等修复记录都在仓库 docs 里。目前主要在 M4 Max / M3 Pro 上实测欢迎其他机型的朋友试用反馈有问题直接在 GitHub 提 issue 或在这里回复。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

LLM推理分阶段量化实战:基于GGUF与llama.cpp实现1.78倍提速 2026/10/2 3:32:27

LLM推理分阶段量化实战:基于GGUF与llama.cpp实现1.78倍提速

1. 为什么“分阶段量化”值得单独拿出来聊大模型推理优化这两年基本是两条腿走路:一条是算子层面的融合与加速,另一条就是量化。量化本身不新鲜,从最早的 int8 到后来的 4bit、3bit,甚至二值化,大家都在压位宽。但真正…

阅读更多 →
从单模型服务到LLM推理平台:模型部署、vLLM与K8s实战 2026/10/2 3:32:21

从单模型服务到LLM推理平台:模型部署、vLLM与K8s实战

1. 从"跑通一个模型"到"撑起一个平台"的认知分水岭很多人第一次接触模型部署,都是从一行docker run或者一个python app.py开始的。本地把权重加载进去,接口能返回结果,截图发个朋友圈,这事就算成了。但真正到…

阅读更多 →
DLL文件提取与逆向分析实战:从动态链接库到代码还原 2026/10/2 3:32:21

DLL文件提取与逆向分析实战:从动态链接库到代码还原

1. 这事到底能不能干:先说结论和前提看到“求CSDN的技术大佬帮忙提取一下软件里面的dll文件”这种求助帖,我第一反应不是“这题我会”,而是先想反问一句:你要提取的这个软件,是你自己的吗?这不是抬杠&#…

阅读更多 →
apt-get 包管理原理与实战:安装、卸载、更新、查询全解析 2026/10/2 3:32:21

apt-get 包管理原理与实战:安装、卸载、更新、查询全解析

1. 先把 apt-get 这套机制想明白,再动手敲命令sudo apt-get install这条命令,大概是每个碰过 Debian 系系统的人敲得最多的东西。安装软件包、卸载软件包、更新软件包索引、查询软件包信息,日常运维里翻来覆去就是这四件事。可我见过太多人用…

阅读更多 →
PyTorch胶囊网络实战:动态路由可调试、可导出的完整实现 2026/10/2 3:32:21

PyTorch胶囊网络实战:动态路由可调试、可导出的完整实现

简介:本资源是基于PyTorch实现的胶囊网络(Capsule Networks)完整开源项目,面向深度学习进阶学习者、算法工程师及高校研究者,旨在帮助读者突破传统CNN在空间关系建模上的局限,深入理解Hinton提出的动态路由…

阅读更多 →
CubeStudio大模型任务模板:从LLaMA-Factory微调到量化剪枝安全评估全链路拆解 2026/10/2 3:32:15

CubeStudio大模型任务模板:从LLaMA-Factory微调到量化剪枝安全评估全链路拆解

大模型从微调一路走到量化剪枝,中间要跨过的坑其实比很多人想象的多。我最早做 LLaMA-Factory 的 SFT 时,觉得跑通一个 LoRA 就万事大吉,结果到了 PPO 阶段发现 reward 模型和 actor 模型的 tokenizer 对不齐,训练直接崩掉&#x…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉