出现了，野生的活阎王 😂

试试这样

    new Vditor(document.createElement('div'), {
        height: '100%',
        width: '100%',
        toolbarConfig: {
            hide: true,
        }
	cache:{
	    enable:false,
	}
    })

你有没有调用 vditor.enableCache?

收到 明天或者后天修复

headingindex

mark 一下 我插件好像可以试试支持

这样么？

利用 electron 或者别的爱啥啥的拉起一个代理服务器,通过它访问思源，我之前用来尝试用户权限啥的，找不到了其实也没啥内容，就是 ws 那里麻烦点

class FetchInterceptor {
  constructor() {
    this.beforeFetchHooks = [];
    this.afterFetchHooks = [];
    this.originalFetch = window.fetch;
    this.setupInterceptor();
  }

  setupInterceptor() {
    window.fetch = (resource, init) => {
      // 触发请求前的钩子
      this.beforeFetchHooks.forEach(hook => {
        hook(resource, init);
      });

      // 调用原始的 fetch 方法
      return this.originalFetch(resource, init).then(response => {
        // 触发请求后的钩子
        this.afterFetchHooks.forEach(hook => {
          hook(response);
        });

        return response;
      }).catch(error => {
        // 可以在这里处理错误
        console.error('Fetch error:', error);
        throw error;
      });
    };
  }

  // 添加请求前的拦截器
  beforeFetch(hook) {
    this.beforeFetchHooks.push(hook);
  }

  // 添加请求后的拦截器
  afterFetch(hook) {
    this.afterFetchHooks.push(hook);
  }

  // 移除拦截器
  removeInterceptor() {
    window.fetch = this.originalFetch;
  }
}

其实可以劫持 fetch 对删除相关接口的请求然后中间先弄个备份，但是这操作有点邪门不好往集市放

看起来这建议凉了 😂 不会引起反感不成立，随然我自己倒是不反感

状态异常是 websocket 连接断了

好家伙，这么多一人团队大佬么

做不到，没有那个开发能力也不是主要功能，主要功能还是针对写笔记的，后面的版本会加入 eagleApi 的支持，应该能简单地查看 eagle 里面的文件

我这边能够测试的设备有限，而且暂时也没有加入日志

有问题的话一个是看这里：
和

分别看一下主界面和后端的报错

本地磁盘的默认位置应该在右边

右边有没有这个图标？

那就只能蹲蹲看是咋回事儿了 反正按你在群里说的情况是不至于这么卡

思源怕是不适合搞这个，非要弄的话单独给群组笔记开个工作空间伺服大家一起编辑也不是不行

动态加载数量调低之后作用也不大？

用外部软件实现可能比较好，因为划词翻译感觉是一个场景通用的功能，不是很有必要在笔记软件里面实现（除非你有很多自定义的翻译，这样直接的话确实在笔记里面写比较方便）

我测试了一下，是能够重命名的，只有中国传统颜色这个不能重命名，你要不再试试？

等会 我比较好奇你怎么给代码块加背景色的

插件有写入选项我记得，写入之后导入就有了应该

能否增强 AI 功能支持通过 OLLAMA 调用本地部署的大模型 - leolee 的回帖 - 链滴 (ld246.com)

ollama 的新版有 openAI 兼容的接口的，只是本地用的话直接填就行了

只是用 ollama 的聊天补全接口现在就可以啊

对了这里最大的问题还不是向量要占用很多硬盘，而是它们必须要全部加载到内存里面才能进行相似度查询，我自己这里倒是全都是 64G 内存问题不大。。。。

更进一步要实现图片也能够自然语言搜索的话需要下载的模型和存储的向量也不止一个

另外还得蹲一下 transformerjs 的 GPU 支持，靠 CPU 跑其实还挺慢的

能实现，去年我就整过了，但是要实现块级别的搜索的话，向量存储的大小可能会比笔记本身还要大很多

而且如果要避免将文档内容发送给云端的话需要下载一个生成特征向量用的模型，这个东西也挺大的

/**
 * 一旦文件发生变化,就触发相应的回调 
 * 要是想完善一下就弄成跟fs一致吧懒得弄了
 */
function watch(path,callback){
        let changedFiles = [];
        let isWalking = false
        const walkDir = async (currentPath) => {
            const response = await fetch('/api/file/readDir', {
                method: 'POST',
                body: JSON.stringify({ path: currentPath }),
            });
            const json = await response.json();
            const stats = json.data;
          
            for (const entry of stats) {
                const fullPath = `${currentPath}/${entry.name}`;
                if (entry.isDir) {
                    await walkDir(fullPath);
                } else {

                    if (watchStats[fullPath] && watchStats[fullPath] !== entry.updated) {
                        changedFiles.push(fullPath);
                    }
                    watchStats[fullPath] = entry.updated;
                }
            }
        };
        const idleCallBack =async()=>{
            if(isWalking)return
            isWalking = true
            changedFiles = [];
            await walkDir(path)
            if(changedFiles.length>0){
                callback(changedFiles)
            }
            isWalking = false
            setTimeout(idleCallBack,1000)
        }
        setTimeout(idleCallBack,1000)
}