新闻详情

新闻详情

首页 / 资讯中心 / 详情

ToastFish 完整指南:用 Windows 通知栏背单词

发布时间:2026/11/10 0:46:03来源:尧图网络
ToastFish 完整指南:用 Windows 通知栏背单词
ToastFish 完整指南用 Windows 通知栏背单词【免费下载链接】ToastFish一个利用摸鱼时间背单词的软件。项目地址: https://gitcode.com/GitHub_Trending/to/ToastFishToastFish 是一款开源的背单词软件它把单词卡片通过 Windows 系统通知推送到屏幕角落让你不需要打开专门的背单词窗口就能在办公、上课的间隙完成记忆。对于想利用碎片时间扩充词汇、又不希望界面过于显眼的使用者它解决了没整块时间学习和环境不便两个常见问题。软件完全免费支持英语、日语、五十音词库并内置 SM2 间隔重复算法安排复习。快速上手环境要求Windows 10 及以上依赖 Win10 通知中心Win7 与 Mac 无法运行。获取方式从项目 Release 下载压缩包解压即可免安装运行或执行安装程序安装。首次使用启动后在很小的主窗口中依次选择词库、设定单词数量、点击开始通知卡片即开始逐张弹出程序常驻系统托盘不会抢占你的前台窗口。核心功能详解选择词库并设置每日数量内置三类内容源英语单词、日语词汇和五十音发音音频位于 Resources/Goin/。在主界面选择词库中切换类别设定本次推送的单词数量后点击开始。适合有明确日学习量目标的日常复习。图ToastFish 词库切换操作通过通知卡片学习并完成测试单词以系统通知形式逐张推送每张卡片包含单词、释义、短语与例句点击卡片可播放英语发音。背完后软件自动进入选择题测试即时检验刚才的记忆效果测试逻辑由 Model/PushControl/ 模块驱动。适合会议间隙、通勤等无法集中注意力的场景。导入背诵记录进行复习每次点击开始都会生成一条 xlsx 格式的学习记录保存在安装目录的 Log 文件夹中由 Model/Log/CreateLog.cs 负责导出。在主界面点击导入单词选回历史 xlsx 文件遗忘的单词就能重新进入推送队列实现学—测—复盘的循环。图ToastFish 导入历史记录导入自定义词汇表内置词库缺少目标词汇时可以使用自定义功能模板位于 Resources/自定义模板.xlsx按格式填写单词、释义、例句后导入即可让软件推送你的专属内容实现个性化词表。图ToastFish 自定义词表导入间隔重复与学习记录软件按 SM2 算法为每个单词维护难度与复习间隔实现见 Model/SM2plus/Card.cs答错的词会更快重现每次学习记录均可留存、备份长期数据不会丢失。效率技巧每日数量控制在 5–15 个单次负荷小、容易坚持长期词汇留存更稳定。每轮学习后立即完成测试题当场暴露盲区比隔天再复习效率高。将 Log 文件夹的 xlsx 记录定期备份到云盘换机或重装后仍可继续复习进度。在设置→轻松使用→显示中适当延长通知显示时间每张卡片都有足够阅读时间。常见问题通知停留太短、来不及阅读在系统设置轻松使用→显示→通知显示的时间中延长停留时间。英语发音时闪退先到 Windows 系统设置中下载英语语音包再重启软件。想要 Win7 或 Mac 版本软件依赖 Win10 通知栏目前无开发计划。缺少想背的单词用自定义词表功能自行构建列表数量较多时可向作者提交词库请求。ToastFish 适合办公室、教室等不便长时间打开学习软件的环境。它利用碎片时间推送与测试结合所有学习记录可留存、可复盘且完全免费开源。【免费下载链接】ToastFish一个利用摸鱼时间背单词的软件。项目地址: https://gitcode.com/GitHub_Trending/to/ToastFish创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
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

【外设】之大彩串口显示屏 2026/11/8 22:42:07

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/9 8:37:19

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/8 22:41:24

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

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
📞 ✉