新闻详情

新闻详情

首页 / 资讯中心 / 详情

ToastFish:Windows 通知栏背单词的 3 步上手指南

发布时间:2026/11/7 5:54:29来源:尧图网络
ToastFish:Windows 通知栏背单词的 3 步上手指南
ToastFishWindows 通知栏背单词的 3 步上手指南【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 通知栏上的开源背单词工具。它把单词做成会弹出来的系统通知配合 SM2 间隔复习算法和自定义词库导入让你在上班、上课这类不方便打开学习软件的时段也能顺手把词记住、把错词测掉。周一上午十点例会开始前你站在会议室门口手边只有工作电脑。屏幕右下角这时弹出一条系统通知一个生词带着音标、释义和一句例句下面排着记忆模糊这样的四个按钮。你扫一眼按 ALT2 点了记忆模糊前后不到五秒。门打开时没人知道你刚又多记住了三个词。内置词库与每轮数量怎么选词库不用自己找软件内置了 17 套常见词汇表四六级核心与完整词、考研、GRE、GMAT、SAT、托福、雅思、专四专八外加日语的顺序五十音和标准日本语中级。在托盘图标右键菜单里切换词库再进参数设置 → 单词个数每轮背诵数量在 5、10、15、20 之间选一个设置一次就一直生效。自定义词库导入步骤词库里没有你要背的单词时走自定义通道。安装目录下的 Resources/自定义模板.xlsx 是现成模板按列填好单词、音标、释义另存为 xlsx 即可。回到托盘菜单点导入单词选中文件ToastFish 会自动判断这是英语、日语还是自定义列表然后照常开始推送。SM2 间隔复习与背诵记录每弹一张单词卡你按四档自评没有印象、记忆模糊、暂时记住、已经牢记。这四档对应 SM2 间隔复习算法的 again / hard / good / easy算法据此排定每张卡下次出现的间隔——again 约 1 分钟后再见hard 约 5 分钟good 拉到 10 分钟具体参数在 Model/SM2plus/Parameters.cs。一轮背完软件还会自动挑出没答对的词随机出选择题答对才算真正过关。开启自动日志后每轮背诵都会存成 xlsx落在安装目录的 Log 文件夹里之后可以把这份记录再导入对没记住的词重背一遍。上手最短路径三步跑起来用 VS2019 加 .NET 4.7.2 环境打开 ToastFish.sln 编译或去 Release 页下载解压、免安装运行系统要求 Windows 10 及以上通知栏机制依赖它启动后托盘常驻快捷键 ALTQ 开始、ALT1~4 对应四档作答、ALT~ 播放发音。想读源码的话一条命令拉下来git clone https://gitcode.com/GitHub_Trending/to/ToastFish一句话总结ToastFish 想解决的只有一件事把要专门抽时间背单词换成通知来了就顺手点一下。它不改变你的日程只是让原本滑过去的碎片时间开始留下痕迹。先跑一轮 10 个词的测试看看手感。【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 2026/11/6 1:10:54

【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
📞 ✉