新闻详情

新闻详情

首页 / 资讯中心 / 详情

ToastFish:30 秒装好,让 Windows 通知栏替你背单词

发布时间:2026/11/17 13:13:53来源:尧图网络
ToastFish:30 秒装好,让 Windows 通知栏替你背单词
ToastFish30 秒装好让 Windows 通知栏替你背单词【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 是一款运行在 Windows 10 及以上的开源小工具它把系统通知栏变成通知栏背单词的载体单词卡片定时弹出你点按钮作答后台按 SM2 记忆算法安排复习。开会前那 10 分钟单词还能不能背会议还有十分钟开始下载还得三分钟编译在跑——你想抓点时间过几个单词可打开背单词软件这个动作本身就挺扎眼。ToastFish 的思路刚好反过来它不让你打开任何软件而是让单词出现在系统通知里。卡片弹出来看一眼点一下按钮全程不需要切窗口。三步装好 ToastFish拿到程序从项目的 Release 页面下载对应版本的压缩包解压后直接运行也提供 ToastFishSetup.exe 安装包双击完成安装。仅支持 Windows 10 及以上。启动应用后通知栏会引导你选词库内置英语词库也提供日语和五十音。同一串通知里设定本次背诵数量默认 5 / 10 / 15 / 20 档。顺手设一下发音偏好美音或英音。点开始通知栏就会按节奏弹出单词卡片。玩法拆解学、测、管学单词自己找上门每张通知卡片的信息是完整的单词、音标、词性、中文释义再带一句例句和翻译。你只需要做三件事——记住了、暂时跳过或者发音。背后是 SM2 算法在工作每次作答都会换算成一个 0.4 到 1.0 的记忆质量分。答得差几分钟内这个词就会再次出现答得好间隔逐步拉长。新词还会插入几轮短期复习再转长期这是典型的碎片时间背单词方法——单次只花几十秒靠复现节奏保证记忆。测模糊的单词会被拎出来考一轮背完ToastFish 会挑出你标为记忆模糊的单词出选择题答错直接告知正确答案。它不会假设看过了就会而是主动验证。管自定义词表与学习日志想背自己的内容自定义词表模板 就是一个 Excel 文件按格式填三行任意内容导入后就会以通知形式推送。专业术语、考试易错词、甚至日语单词都行。另一方面每次开始学习都会在安装目录的 学习日志目录 下生成一份 xlsx 文件记录本批单词的完整信息单词、音标、例句、题目和答案。你随时可以翻出某天的记录重背相当于自带错题本。适合谁怎么用适合三类人办公电脑权限受限、不方便装学习软件的职场人备考冲刺期想榨干零碎时间的学生想顺带练日语或五十音的学习者。几条能直接照做的建议数量别贪大。每天 20 个词左右、分上午和下午两次推送比一次背 50 个效果好。跳过和答错的词不用手工记算法会提前召回考前把导出日志里的错题词填进自定义模板重推一遍即可。通知停留太短的话去 Windows 设置 → 轻松使用 → 显示调长通知显示时间。技术速览整个项目是 C# 写的 WPF 应用.NET 4.7.2MVVM 分层VS2019 打开 ToastFish.sln 就能编译。核心模块一览Model/PushControl/通知构建与作答流程英语、日语、自定义词表分别走独立推送逻辑Model/SM2plus/卡片状态与调度参数决定每个词何时复现Model/SqliteControl/SQLite 词库查询与卡片状态读写词库数据在 Resources/inami.dbModel/Log/基于 NPOI 的 xlsx 学习日志导出与导入快速问答问发音按钮点了没声音答到 Windows 设置里下载并安装英语语音包重启应用即可。问想要 Win7 或 Mac 版答没有计划。这两个系统没有 Windows 10 的通知栏 API工具无法运行。问想改词库内容答源码编译的话clone 仓库后打开 Resources 目录下的 inami.db 查看结构不想碰代码就直接用自定义导入够用。git clone https://gitcode.com/GitHub_Trending/to/ToastFish从下载第一条单词通知弹出来不超过三分钟。想试试的话今天就把安装包跑起来让通知栏替你先背两个词。【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/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 2026/11/17 7:04:08

【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 2026/11/17 5:42:44

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 2026/11/16 19:23:38

【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 ... 2026/11/17 6:55:04

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 2026/11/17 5:57:47

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 2026/11/16 17:28:18

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
📞 ✉