新闻详情

新闻详情

首页 / 资讯中心 / 详情

Bangumi追番管理工具实操指南:从克隆到上手完整走一遍

发布时间:2026/11/16 16:56:22来源:尧图网络
Bangumi追番管理工具实操指南:从克隆到上手完整走一遍
Bangumi追番管理工具实操指南从克隆到上手完整走一遍【免费下载链接】Bangumi:electron: An unofficial https://bgm.tv ui first app client for Android and iOS, built with React Native. 一个无广告、以爱好为驱动、不以盈利为目的、专门做 ACG 的类似豆瓣的追番记录bgm.tv 第三方客户端。为移动端重新设计内置大量加强的网页端难以实现的功能且提供了相当的自定义选项。 目前已适配 iOS / Android。项目地址: https://gitcode.com/GitHub_Trending/ba/Bangumi周五晚上3部新番更新你躺在床上记不清那部作品看到第几集了——这种看到哪了的烦恼正是追番管理工具要解决的。Bangumi 是 bgm.tv 的免费开源移动端客户端把动漫进度记录全收在一处本文带你把这个开源动漫助手从零搭起来。 先看清 Bangumi 能做什么Bangumi 是一个用 React Native 构建的开源动漫助手iOS 和 Android 双端适配。它做的核心事情只有一件把你的动漫、书籍、音乐、游戏记录集中管理进度和评分都在一个地方可查。适合不想在手机上开网页版、想要一个干净管理工具的老番和新番党。进度管理在看/看过/搁置/放弃 4 种状态加集数点一下就更新主题外观深色、浅色也可跟随系统多端同步iOS / Android 共用同一套账号数据移动端原生体验每日放送、年鉴、词云等页面全部重新设计 三步从零搭建下面 3 步就是完整的 Bangumi安装教程 流程照做即可。第 1 步把项目代码克隆到本地。git clone https://gitcode.com/GitHub_Trending/ba/Bangumi第 2 步进入项目目录安装全部依赖。cd Bangumi yarn第 3 步Android 端先清理构建缓存iOS 端安装 CocoaPods 依赖。cd android ./gradlew clean cd ios pod install 拆解 3 个最常用功能下面 3 个功能是日常动漫进度管理的主体。记录番组进度收藏、更新进度、写评分都在收藏页一次完成。操作打开我的页面点收藏列表里的作品进详情页点进度旁边的加号集数 1状态标签和封面角标随即变化。想回看全年看了多少部可打开年鉴存档查看。切换深色主题深色、浅色、跟随系统 3 种外观切换即生效。操作进入我的 → 设置 → 主题设置模块点深色整个界面切到黑底文字和图标自动变亮。跨设备同步番剧进度进度绑定的是 bgm.tv 账号而不是设备这是跨设备同步追番最实用的部分。操作新设备登录同一账号后进收藏页下拉刷新昨天在旧设备上记的条目会逐条出现。 两条真实场景动线新番开播周添加新番周五打开 Bangumi在搜索栏输入新番名点搜索结果里的添加按钮作品进入收藏列表并实时更新。再打开每日放送日历能看到这部和同季其他作品的放送时间新一集更新后回收藏页点一下进度即可。通勤路上接着看番昨晚在平板看完第 12 集早上通勤打开手机上的 Bangumi进度已经显示第 12 集。不用做任何拷贝动作——两台设备登录同一账号进收藏页下拉刷新最新进度就在列表里。⚡ 查 2 个效率操作操作快捷键/路径说明搜索番组首页搜索栏直接输入关键词结果含番剧、书籍、角色添加新番搜索结果 → 添加点一下把作品收进收藏记录进度收藏列表 → 作品加号集数 1状态实时更新切换主题我的 → 设置 → 主题深色/浅色/跟随系统 3 选 1查看年鉴我的 → 年鉴存档回看全年观看数量与评分 排查 2 个常见报错依赖安装失败yarn卡住或报缺包多为网络或镜像源问题执行yarn cache clean yarn install。构建报错android 目录打包失败多为旧构建缓存残留执行cd android ./gradlew clean后重新打包。Bangumi 把进度管理、主题切换、多端同步装进了一个免费的动漫管理工具里上面 3 个功能搭完即可直接试。下一步把你正在追的第一部番添加进去从记录第 1 集开始。使用中遇到任何报错或发现更快的操作路径欢迎留言聊聊。【免费下载链接】Bangumi:electron: An unofficial https://bgm.tv ui first app client for Android and iOS, built with React Native. 一个无广告、以爱好为驱动、不以盈利为目的、专门做 ACG 的类似豆瓣的追番记录bgm.tv 第三方客户端。为移动端重新设计内置大量加强的网页端难以实现的功能且提供了相当的自定义选项。 目前已适配 iOS / Android。项目地址: https://gitcode.com/GitHub_Trending/ba/Bangumi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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/16 6:47:19

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉