新闻详情

新闻详情

首页 / 资讯中心 / 详情

ToastFish 使用指南:用 Windows 通知栏推送背单词的完整方法

发布时间:2026/11/7 2:44:15来源:尧图网络
ToastFish 使用指南:用 Windows 通知栏推送背单词的完整方法
ToastFish 使用指南用 Windows 通知栏推送背单词的完整方法【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 是一款运行在 Windows 通知栏Toast上的背单词程序你不需要盯着主窗口它会把单词一条一条推送到屏幕右下角的系统通知区配合格局判断和词库轮换完成记忆。适合需要在工位、课堂上等不便长时间看应用界面的场景里安排英语词汇或日语词汇学习的人也适合想要自定义推送内容、把任意 Excel 列表变成每日推送的用户。功能总览功能说明通知栏推送单词将英语、日语、五十音等内容逐条推送到 Windows 10/11 系统通知无需占用前台窗口多词库支持内置四六级英语词库、日语词库与日语五十音Goin表可按学习目标切换自定义内容导入通过 Excel 模板导入任意两行/三行文本推送完全自定的学习内容复习间隔算法基于 SM-2 变体SM2plus记录单词难度与间隔按掌握程度安排下次复习背诵记录导出每次开始背诵后自动生成 xlsx 记录存于安装目录 Log 文件夹可再次导入复习辅助控制全局热键、开机自启、单词发音英语 TTS / 日语假名音频安装与首次运行确认系统为Windows 10 及以上Win7、macOS 无法使用因为依赖 Windows 10 引入的通知栏 API。获取程序到项目的 Release 页下载对应版本压缩包解压后直接运行可执行文件或使用安装包ToastFishSetup.exe双击安装。也可以自行编译VS2019 .NET 4.7.2 环境下执行git clone https://gitcode.com/GitHub_Trending/to/ToastFish打开解决方案编译。启动后主窗口很小核心操作都在这一个界面里完成选择词库 → 设置单词数量 → 点击开始。单词会开始逐条出现在右下角通知区背完最后一组后进入测试环节按提示作答即可。核心功能详解词库选择与数量控制能做什么从内置词库中选定本次背诵的词库与数量控制单轮推送的规模。怎么操作在主界面选择词库英语 / 日语 / 五十音再设置本轮单词数量最后点击开始。词库数据存放在Resources/inami.dbSQLite 数据库程序内部通过 Model/SqliteControl/ 读取当前词库表和词数配置。得到什么效果单词按批次推送到通知栏每轮结束后自动进入测试。数量设大则单轮周期长建议先从小数量开始配合碎片时间使用。背诵记录导出与再导入能做什么把已经背过的词导出为 Excel之后重新导入复习形成背诵 → 记录 → 再背的循环。怎么操作每点击一次开始程序都会在安装目录的Log文件夹下生成一份 xlsx 记录导出逻辑见 Model/Log/CreateLog.cs列包含单词、翻译、音标、词性、例句、选项与正确答案等。复习时选择导入单词选取该 xlsx 文件即可重新走一遍推送流程。得到什么效果记录文件本身就是可用的复习词库长期积累的 Log 文件夹相当于你的个人错题本与进度档案。自定义内容导入能做什么不局限于内置词库把任何你想推送的文本单词、短语、知识点条目做成 Excel 导入。怎么操作模板在安装目录的Resources/自定义模板.xlsx按其表头格式填写后在主界面选择自定义导入并指向该文件。程序会按第一列的表头英语 / 日语 / 自定义识别格式并加载见 Model/PushControl/PushCustomizeWords.cs。得到什么效果专业术语、考试专项、口语短句等都可以变成通知栏推送内容一套工具覆盖多种学习目标。测试与间隔复习能做什么一轮推送结束后进行判断测试程序按作答情况更新每张卡片的状态。怎么操作通知推送完成时会自动进入测试环节对每条内容作答难度评分无需手动记录。得到什么效果评分结果写入 SQLite 中的卡片状态难度、复习间隔、上次复习时间后续推送优先安排到期与易错词。算法实现在 Model/SM2plus/是 SM-2 记忆算法的变体复习安排更接近间隔重复的思路。设置与技巧Checklist调整通知停留时间路径为 系统设置 → 轻松使用 → 显示 → 通知显示的时间按自己的阅读速度调长避免单词一闪而过。安装英语语音包启用英语发音前先在 控制面板 → 区域和语言 → 语音 中下载并安装英语语音包然后重启程序否则发音调用可能异常。开启开机自启程序支持向启动文件夹写入快捷方式实现开机启动实现逻辑见 Model/StartWithWindows/需要时在主界面相关选项中启用。配置全局热键支持注册系统级快捷键来控制推送进程注册机制见 Model/StartWithWindows/HotKey.cs避免频繁切到主窗口。控制单轮词数从 10 词左右开始尝试通勤、午休前、会议间隙等场景各安排一轮比一次推完更有效。留意缓存目录日语假名音频随Resources/Goin/内置提供英语发音音频会缓存在Mp3Cache目录见 Model/Mp3/DownloadMp3.cs可定期清理。常见问题问题解决方案通知显示时间太短来不及读在 Windows 的 系统设置 → 轻松使用 → 显示 → 通知显示的时间 中调长停留时长开启英语发音时程序闪退系统缺少英语语音包到系统语音设置里安装英语语音包后重启程序Win7 / macOS 能否运行不能。程序依赖 Windows 10 引入的通知栏 APIWin7 与 macOS 均无此机制词库里没有想背的单词使用自定义功能按Resources/自定义模板.xlsx格式自建列表后导入遇到 bug 或有改进建议到项目 Issue 页面提交问题描述与日志便于定位和修复项目结构Model/PushControl/ — 推送控制区分英语、日语、五十音、自定义四类内容的推送逻辑Model/SM2plus/ — 间隔重复算法维护卡片难度与复习间隔Model/SqliteControl/ — SQLite 词库与卡片数据的读写Model/Mp3/ — 发音音频的下载与播放Model/Log/ — 背诵记录的 Excel 导出与导入Model/StartWithWindows/ — 开机自启与全局热键View/ 与 ViewModel/ — 主界面WPF/MVVMResources/ — 词库数据库inami.db、五十音音频、自定义模板与演示动图结语ToastFish 把打开背单词 App这个动作降到了零成本——推送出现在该出现的地方记录自动生成复习由算法排期。如果碎片时间总是不够用不妨先装上一轮把每天的通知栏当作固定的复习位。【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 2026/11/6 6:37:16

【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 2026/11/7 0:39:20

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 2026/11/7 6:36:21

【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 ... 2026/11/6 17:25:36

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 2026/11/6 14:29:05

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 2026/11/6 14:29:07

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
📞 ✉