强大的Node.js库 助力Alfred工作流程开发
Alfy是专为Alfred工作流程设计的Node.js库,简化了输入输出处理、配置和缓存管理、远程文件获取等操作。支持npm发布、自动更新通知、工作流程测试和node二进制文件自动查找。Alfy提供顶级await支持,展示未捕获异常和未处理Promise拒绝。为开发者提供创建高效Alfred工作流程的完整工具集,大幅提升开发效率。
轻松创建 Alfred 工作流
node
二进制文件。await
。.catch()
顶层 Promise。你需要 Node.js 18+ 和 Alfred 4 或更高版本,并购买 Powerpack 升级。
npm install alfy
重要: 你的脚本将作为 ESM 运行。
创建一个新的空白 Alfred 工作流。
添加一个 Script Filter
(右键单击画布 → Inputs
→ Script Filter
),将 Language
设置为 /bin/bash
,并添加以下脚本:
./node_modules/.bin/run-node index.js "$1"
我们不能直接调用 node
,因为 macOS 上的 GUI 应用不会继承 $PATH。
提示:你可以使用 generator-alfred 来搭建基于
alfy
的工作流框架。如果这样做,你可以跳过剩余步骤,直接转到index.js
开始你的工作。
设置你想要调用工作流的 Keyword
。
进入你的新工作流目录(在侧边栏中右键单击工作流 → Open in Finder
)。
使用 npm init
初始化一个仓库。
在 package.json 中添加 "type": "module"
。
使用 npm install alfy
安装 Alfy。
在工作流目录中,创建一个 index.js
文件,导入 alfy
,然后开始你的工作。
这里我们从一个占位 API 获取一些 JSON 数据,并向用户呈现匹配的项目:
<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/a62e3a38-6d59-4e57-9586-b72a126429d8.png" width="694">import alfy from 'alfy'; const data = await alfy.fetch('https://jsonplaceholder.typicode.com/posts'); const items = alfy .inputMatches(data, 'title') .map(element => ({ title: element.title, subtitle: element.body, arg: element.id })); alfy.output(items);
一些实际使用的例子:alfred-npms
、alfred-emoj
、alfred-ng
。
Alfy 在后台使用 alfred-notifier 来显示工作流有可用更新时的通知。
<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/9dcb8776-2fe7-4e86-bc13-cdeebb6911a4.png" width="694">Alfy 提供了缓存数据的可能性,可以通过 fetch 或直接通过 cache 对象进行。
需要注意的一个重要点是,当你更新工作流时,缓存的数据会自动失效。这为开发者提供了灵活性,可以在工作流之间更改缓存数据的结构,而不必担心无效的旧数据。
通过添加 alfy-init
作为 postinstall
脚本和 alfy-cleanup
作为 preuninstall
脚本,你可以将你的包发布到 npm 而不是 Packal。这样,你的包只需一个简单的 npm install
命令 就可以安装。
{ "name": "alfred-unicorn", "version": "1.0.0", "description": "我的超棒独角兽工作流", "author": { "name": "Sindre Sorhus", "email": "sindresorhus@gmail.com", "url": "https://sindresorhus.com" }, "scripts": { "postinstall": "alfy-init", "preuninstall": "alfy-cleanup" }, "dependencies": { "alfy": "*" } }
提示:给你的工作流加上
alfred-
前缀,使它们在 npm 上更容易被搜索到。
你可以从 info.plist
文件中删除这些属性,因为它们会在安装时自动添加。
将你的工作流发布到 npm 后,你的用户可以轻松地安装或更新工作流。
npm install --global alfred-unicorn
提示:不要手动更新每个工作流,使用 alfred-updater 工作流来为你完成这项工作。
可以使用 alfy-test 轻松测试工作流。以下是一个简单的示例。
import test from 'ava'; import alfyTest from 'alfy-test'; test('main', async t => { const alfy = alfyTest(); const result = await alfy('workflow input'); t.deepEqual(result, [ { title: 'foo', subtitle: 'bar' } ]); });
在开发工作流时,当遇到问题时能够进行调试是很有用的。这时 工作流调试器 就派上用场了。你可以在 Alfred 的工作流视图中找到它。点击昆虫图标打开它。它会显示 alfy.output()
的纯文本输出以及你用 alfy.log()
记录的任何内容:
import alfy from 'alfy'; const unicorn = getUnicorn(); alfy.log(unicorn);
Alfred 允许用户为工作流设置 环境变量,然后该工作流可以使用这些变量。如果你需要用户为某个服务指定 API 令牌,这可能会很有用。你可以通过 process.env
访问工作流环境变量。例如 process.env.apiToken
。
类型:string
来自 Alfred 的输入。用户在输入框中输入的内容。
向 Alfred 返回输出。
类型:object[]
包含任何 支持属性 的 object
列表。
示例:
import alfy from 'alfy'; alfy.output([ { title: 'Unicorn' }, { title: 'Rainbow' } ]);
类型:object
类型:number
(秒)
值:0.1...5.0
可以设置脚本在一段时间间隔后自动重新运行。只有在脚本过滤器仍然活跃且用户没有通过输入触发重新运行来改变过滤器状态时,脚本才会重新运行。更多信息。
例如,可以用来更新特定任务的进度:
<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/4d2b419a-2a4b-4790-a748-6960ff9ec2cb.png" width="694">import alfy from 'alfy'; alfy.output( [ { title: '正在下载独角兽…', subtitle: `${progress}%`, } ], { // 每3秒重新运行并更新进度。 rerunInterval: 3 } );
将 value
记录到 Alfred 工作流调试器。
返回 list
中包含 input
的项目(不区分大小写)的 string[]
。
import alfy from 'alfy'; alfy.matches('Corn', ['foo', 'unicorn']); //=> ['unicorn']
类型:string
用于匹配 list
项目的文本。
类型:string[]
要匹配的列表。
类型:string | Function
默认情况下,它会匹配 list
项目。
指定一个字符串来匹配对象属性:
import alfy from 'alfy'; const list = [ { title: 'foo' }, { title: 'unicorn' } ]; alfy.matches('Unicorn', list, 'title'); //=> [{title: 'unicorn'}]
或 嵌套属性:
import alfy from 'alfy'; const list = [ { name: { first: 'John', last: 'Doe' } }, { name: { first: 'Sindre', last: 'Sorhus' } } ]; alfy.matches('sindre', list, 'name.first'); //=> [{name: {first: 'Sindre', last: 'Sorhus'}}]
指定一个函数来自行处理匹配。该函数接收列表项和输入(都已转为小写)作为参数,并期望返回一个布尔值表示是否匹配:
import alfy from 'alfy'; const list = ['foo', 'unicorn']; // 这里我们进行精确匹配。 // `Foo` 匹配该项,因为它已为你转为小写。 alfy.matches('Foo', list, (item, input) => item === input); //=> ['foo']
与 matches()
相同,但使用 alfy.input
作为 input
。
如果你想匹配多个项目,你必须定义自己的匹配函数(如此处所示)。让我们扩展开头的例子,以搜索出现在title
或body
属性或两者中的关键词。
import alfy from 'alfy'; const data = await alfy.fetch('https://jsonplaceholder.typicode.com/posts'); const items = alfy .inputMatches( data, (item, input) => item.title?.toLowerCase().includes(input) || item.body?.toLowerCase().includes(input) ) .map((element) => ({ title: element.title, subtitle: element.body, arg: element.id, })); alfy.output(items);
在Alfred中显示错误或错误消息。
**注意:**你不需要对顶层promise使用.catch()
。Alfy 会为你处理这个问题。
类型:Error | string
要显示的错误或错误消息。
<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/4524dac7-f673-4aef-bde5-8abc31d05422.png" width="694">返回一个Promise
,该Promise返回响应的主体。
类型:string
要获取的URL。
类型:object
任何got
选项以及以下选项。
类型:boolean
默认值:true
使用JSON.parse
解析响应主体并将accept
头设置为application/json
。
类型:number
此请求应被缓存的毫秒数。
类型:boolean
默认值:true
是否只解析主体还是解析完整响应。
import alfy from 'alfy'; await alfy.fetch('https://api.foo.com'); //=> {foo: 'bar'} await alfy.fetch('https://api.foo.com', { resolveBodyOnly: false }); /* { body: { foo: 'bar' }, headers: { 'content-type': 'application/json' } } */
类型:Function
在响应主体被缓存之前对其进行转换。
import alfy from 'alfy'; await alfy.fetch('https://api.foo.com', { transform: body => { body.foo = 'bar'; return body; } })
转换响应。
import alfy from 'alfy'; await alfy.fetch('https://api.foo.com', { resolveBodyOnly: false, transform: response => { response.body.foo = 'bar'; return response; } })
你也可以返回一个Promise。
import alfy from 'alfy'; import xml2js from 'xml2js'; import pify from 'pify'; const parseString = pify(xml2js.parseString); await alfy.fetch('https://api.foo.com', { transform: body => parseString(body) })
类型:object
持久化配置数据。
导出一个设置了正确配置路径的conf
实例。
示例:
import alfy from 'alfy'; alfy.config.set('unicorn', '🦄'); alfy.config.get('unicorn'); //=> '🦄'
类型:Map
导出一个包含用户工作流配置的Map。工作流配置允许你的用户为工作流提供配置信息。例如,如果你正在开发一个GitHub工作流,你可以让你的用户提供他们自己的API令牌。
更多详情请参见alfred-config
。
示例:
import alfy from 'alfy'; alfy.userConfig.get('apiKey'); //=> '16811cad1b8547478b3e53eae2e0f083'
类型:object
持久化缓存数据。
导出一个设置了正确缓存路径的修改版conf
实例。
示例:
import alfy from 'alfy'; alfy.cache.set('unicorn', '🦄'); alfy.cache.get('unicorn'); //=> '🦄'
此实例的set
方法接受一个可选的第三个参数,你可以在其中提供maxAge
选项。maxAge
是值在缓存中有效的毫秒数。
示例:
import alfy from 'alfy'; import delay from 'delay'; alfy.cache.set('foo', 'bar', {maxAge: 5000}); alfy.cache.get('foo'); //=> 'bar' // 等待5秒 await delay(5000); alfy.cache.get('foo'); //=> undefined
类型:boolean
用户当前是否打开了工作流调试器。
类型:object
键:'info' | 'warning' | 'error' | 'alert' | 'like' | 'delete'
获取各种默认系统图标。
最有用的图标已作为键值包含在内。其余的可以通过 icon.get()
获取。在访达中前往 /System/Library/CoreServices/CoreTypes.bundle/Contents/Resources
可以查看所有图标。
示例:
import alfy from 'alfy'; console.log(alfy.icon.error); //=> '/System/Library/CoreServices/CoreTypes.bundle/Contents/Resources/AlertStopIcon.icns' console.log(alfy.icon.get('Clock')); //=> '/System/Library/CoreServices/CoreTypes.bundle/Contents/Resources/Clock.icns'
类型:object
示例:
{ name: 'Emoj', version: '0.2.5', uid: 'user.workflow.B0AC54EC-601C-479A-9428-01F9FD732959', bundleId: 'com.sindresorhus.emoj' }
类型:object
Alfred 元数据。
示例:'3.0.2'
了解用户当前运行的版本。如果你的工作流依赖于特定 Alfred 版本的功能,这可能会很有用。
示例:'alfred.theme.yosemite'
当前使用的主题。
示例:'rgba(255,255,255,0.98)'
如果你正在动态创建图标,这可以让你了解主题背景的颜色。
示例:'rgba(255,255,255,0.98)'
选中结果的颜色。
示例:3
了解用户在外观偏好设置中选择的副文本模式。
可用性注意:提供此选项是为了让开发者可以根据用户选择的模式调整结果文本,但工作流的结果文本不应基于此而过度膨胀,因为用户隐藏副文本的主要原因通常是为了让 Alfred 看起来更整洁。
示例:'/Users/sindresorhus/Library/Application Support/Alfred/Workflow Data/com.sindresorhus.npms'
非易失性数据的推荐位置。直接使用 alfy.data
,它使用这个路径。
示例:'/Users/sindresorhus/Library/Caches/com.runningwithcrayons.Alfred/Workflow Data/com.sindresorhus.npms'
易失性数据的推荐位置。直接使用 alfy.cache
,它使用这个路径。
示例:'/Users/sindresorhus/Dropbox/Alfred/Alfred.alfredpreferences'
这是 Alfred.alfredpreferences
的位置。如果用户同步了他们的设置,这将允许你找到他们的设置所在位置,而不受同步状态的影响。
示例:'adbd4f66bc3ae8493832af61a41ee609b20d8705'
未同步的本地偏好设置存储在 Alfred.alfredpreferences
中的 …/preferences/local/${preferencesLocalHash}/
下。
使用 Alfy 的 Alfred 工作流
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT 和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者 提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号