新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenLess云同步完整指南:词典、风格包跨设备一键备份,同时守住隐私与凭据边界

发布时间:2026/11/12 17:55:16来源:尧图网络
OpenLess云同步完整指南:词典、风格包跨设备一键备份,同时守住隐私与凭据边界
OpenLess云同步完整指南词典、风格包跨设备一键备份同时守住隐私与凭据边界【免费下载链接】openlessHold a key, speak, release — AI-polished text appears at your cursor in any app. Open-source voice input for macOS Windows. (按住快捷键说话松开即得润色后的文字)项目地址: https://gitcode.com/gh_mirrors/op/openlessOpenLess 是一款开源 AI 语音输入工具按住快捷键说话松开就能在任意应用的光标处插入 AI 润色后的文字。而OpenLess 云同步功能让你用 GitHub 账号把词典、纠正规则、风格包和个人偏好一键备份到云端在新设备上快速恢复——同时确保 API 密钥与登录凭据永远不会离开本机。本指南带你 5 分钟搞定跨设备同步并讲清楚它的隐私边界。 OpenLess 云同步是什么简单说一份个人配置快照的云端备份。在「设置 → 云同步」面板里你会看到当前 GitHub 同步账号、云端备份状态例如「32 个词条 · 12 条纠正规则 · 5 个风格」和最近更新时间以及三个核心按钮操作作用是否需要确认弹窗⬆️ 备份到云端把本机可同步数据整体上传覆盖云端快照否⬇️ 从云端恢复用云端快照覆盖本机可同步数据是️ 删除云端备份清空该账号的云端数据本机数据保留是注意云同步是手动操作不是自动同步每次都是完整快照的整体替换不做字段级合并。界面逻辑见 CloudSyncSection.tsx前后端调用约定见 cloud-sync.ts。✅ 同步什么什么绝不上传这是云同步设计中最关键的部分——白名单制只有明确列出的字段才允许进快照而不是整个偏好全传。☁️ 上传到云端 只留在本机词典、纠正规则API 密钥、GitHub OAuth token、渠道配置风格包文本与 PNG 图标设备权限、输入/模型路径主题、胶囊、语言、字号、选中风格等个人偏好Agent 可执行文件/工作目录、快捷键与远程输入 PIN具体字段白名单定义在 cloud_sync_types.rs。换句话说即使备份泄露别人拿到的也只有你的词条和风格碰不到任何凭据。 首次使用用 GitHub 账号三步开启同步打开「设置 → 云同步」点击「使用 GitHub 登录」完成授权登录后面板会读取云端状态显示「云端备份已就绪」或「云端尚无备份」首次使用直接点「备份到云端」创建你的第一份快照。登录失效时服务端返回 401面板会自动提示重新登录不会出现假登录状态。 换电脑 / 换设备后的恢复步骤在新设备上登录同一个 GitHub 账号后点击「从云端恢复」弹窗会明确提示云端的词典、纠正规则、风格和同步偏好将覆盖本机对应内容API 密钥、设备目录与权限保持本机设置确认「恢复并替换」OpenLess 会原子化写入全部文件——中途失败会自动回滚不会留下半新半旧的配置恢复完成后语言与字号等界面偏好也会一并生效缺少的内置风格包会自动补齐。恢复事务的回滚细节可参考 cloud_sync_transaction.rs。⚠️ 遇到冲突或失败怎么办OpenLess 用版本号防止多台设备互相覆盖版本冲突409若两台设备基于旧版本分别改动后上传的一台会收到提示「云端已有更新。请刷新状态后再决定备份或恢复」。点右上角刷新按钮即可看到最新版本客户端不会悄悄自动重试结果未知上传/删除时网络中断且无法确认结果OpenLess 会明确标记结果未知要求你先刷新状态再操作而不是假装成功服务未部署官方服务不可用时显示暂不可用不会被误当成空备份。完整的状态码与行为对照表见官方文档 cloud-sync.md 与 cloud-sync-server-handoff.md。 为什么这套同步是守住凭据边界的GitHub OAuth token 只从本地凭据库读取用于认证请求不进入界面状态、事件或错误信息也绝不写入同步快照正式地址强制 HTTPS且带凭据的请求不跟随任何重定向杜绝 token 被 3xx 甩到别处恢复不会污染本机凭据拉取快照后设备专属字段密钥、PIN、路径、权限一律沿用本机当前值传输有硬限额2 MiB、图标 ≤ 64 KiB 等所有字段按严格结构校验拒绝未知字段。客户端入口实现在 cloud_sync.rsTauri 命令层见 commands/cloud_sync.rs。 延伸阅读资料路径官方云同步文档数据边界与 IPC 合同docs/cloud-sync.md服务端交接合同版本与状态码语义docs/cloud-sync-server-handoff.md前端云同步面板openless-all/app/src/pages/settings/CloudSyncSection.tsx同步合同测试openless-all/app/crates/openless-core/tests/cloud_sync_contract.rs一句话总结先备份、再恢复、冲突先刷新——掌握这三个动作你就能在多台设备间自由搬运自己的词典与风格而隐私和凭据始终留在自己手里。【免费下载链接】openlessHold a key, speak, release — AI-polished text appears at your cursor in any app. Open-source voice input for macOS Windows. (按住快捷键说话松开即得润色后的文字)项目地址: https://gitcode.com/gh_mirrors/op/openless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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/12 9:50:02

【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 ... 2026/11/12 9:25:38

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 2026/11/12 15:57:44

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 2026/11/13 0:02:27

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
📞 ✉