PicList v3.0.3 发布,图床管理和上传工具 优化安装体积
PicList是一款高效的云存储和图床平台管理工具,基于PicGo深度二次开发,提供完整的图床功能和全面的云存储管理能力,主要特点包括:
- 完整保留PicGo所有功能,兼容大部分PicGo插件
- 扩展了内置图床平台,如WebDav、本地图床和SFTP等
- 相册支持同步云端删除文件
- 全面的云存储管理功能,包括文件操作、搜索和预览
- 内置图像处理工具,如水印、压缩、缩放、旋转和格式转换
开源地址和软件官网
-
软件官网:https://piclist.cn
下载地址
MacOS
PicList-3.0.3-arm64.dmg PicList-3.0.3-x64.dmg
Windows
PicList-Setup-3.0.3-ia32.exe PicList-Setup-3.0.3-arm64.exe PicList-Setup-3.0.3-x64.exe PicList-Setup-3.0.3.exe
Linux
PicList-3.0.3.AppImage piclist_3.0.3_amd64.snap
本次更新内容
本次更新为大版本更新,进行了重大底层架构更新和前端UI重写。
✨ 新增功能
- url上传现在支持同时上传多个链接,使用换行分隔
- 增加了从相册云端删除时的日志记录
- 设置-更新页现在新增发布日志显示
- 优化了打包和安装后体积,打包后缩小20%,安装后缩小40%
特色功能
- 完全兼容性:适用于Typora、Obsidian和大多数PicGo插件
- 扩展平台支持:新增WebDav、兰空图床、本地图床、SFTP等,原内置imgur图床额外支持账号登录上传
- 云端同步相册:支持同步删除云端图片,兼容所有内置图床和多个插件
- 高级相册功能:高级搜索、排序和批量URL修改
- 内置图像工具:水印添加、图片压缩、图片缩放、图片旋转和格式转换,支持高级重命名
- 表单上传:支持多电脑共享使用
- 配置同步:支持配置同步至GitHub/Gitee/Gitea仓库和WebDAV
- 云存储管理:云端目录查看、文件搜索、批量操作等功能
- 多格式预览:支持预览图片、视频、文本和Markdown文件(查看支持的文件格式列表)
- 批量操作:支持使用正则表达式批量重命名云端文件
- 链接分享:为私有存储桶生成预签名链接
- 易用性改进:软件自动更新、多种启动模式、界面优化等
软件截图

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Elasticsearch 9.1.3 发布
Elasticsearch 是一个基于 Lucene 库的搜索引擎。它提供了一个分布式、支持多租户的全文搜索引擎,具有 HTTP Web 接口和无模式 JSON 文档。Elasticsearch 基于 Java 开发,并在 SSPL + Elastic License 双重授权许可下作为开源软件发布。 Elasticsearch 9.1.3 现已发布,修复了潜在的安全漏洞可参阅安全公告了解更多详情。更新内容包括: Features and enhancements Infra/REST API: 限制 filter 的深度#133113 Ingest Node: 升级到 tika 3.2.2#133410 Packaging: 将捆绑的 JDK 更新至 Java 24.0.2+12#133119 修复 Data streams: 当数据流索引列表为空时,强制写入时翻转为 true#133347(issue:#133176) EQL: 改进仅含单个子句加UNTIL的序列错误信息#132638 修复 keys 和 non-keys 的条件序列#133134 ES|QL: 修复异步查询的更新...
- 下一篇
“Vibe Coding” 概念提出者 Andrej Karpathy 谈强化学习
在预训练时代,关键在于互联网文本。你最需要的是一大批量、多样化且高质量的互联网文档,供模型从中学习。 在监督微调(SFT)时代,核心则是对话数据。人们雇佣合同工人为问题撰写答案,类似于你在 Stack Overflow 或 Quora 上看到的内容,但专门针对大语言模型(LLM)的应用场景进行优化。 我认为以上两个阶段都不会消失,但在当前的强化学习时代,关键要素变成了“环境”(environments)。与前两者不同,环境能让大语言模型真正地进行交互——采取行动、观察结果等。这意味着我们有望超越简单的“统计专家行为模仿”,实现更深层次的学习。这些环境既可用于模型训练,也可用于模型评估。但和之前类似,现在核心的挑战在于:我们需要大量、多样化且高质量的环境,作为 LLM 练习的“习题集”。 从某种意义上说,这让我想起了 OpenAI 最早的项目——Gym。那正是一个旨在构建大量统一格式环境的框架,只不过当时远早于大语言模型的兴起,因此那些环境大多是当时简单的学术控制任务,比如倒立摆(cartpole)、ATARI 游戏等。而 PrimeIntellect 的“环境中心”(environme...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7设置SWAP分区,小内存服务器的救世主
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- 设置Eclipse缩进为4个空格,增强代码规范
- SpringBoot2全家桶,快速入门学习开发网站教程
- Docker安装Oracle12C,快速搭建Oracle学习环境
- SpringBoot2配置默认Tomcat设置,开启更多高级功能