太烧token了,我用Ai写了一个vscode的插件wps-editor(已开源)

news2026/4/3 16:24:05
这是一篇关于开源项目Wps-Editor的介绍文章希望能让大家了解它的价值并支持其发展。引言在人工智能(AI)浪潮席卷各行各业的今天大型语言模型(LLM)已成为内容创作者、办公人士、学生乃至研究者的得力助手。无论是撰写报告、分析数据、润色文案还是生成代码、翻译文档、头脑风暴这些强大的AI都能提供令人惊叹的帮助。然而频繁调用AI服务往往伴随着一个现实的烦恼Token消耗。每一次与模型的对话都在悄悄地消耗着宝贵的计算资源配额或API调用次数。对于深度依赖AI辅助工作的用户来说这不仅是成本的考量更是工作流顺畅度的阻碍——你需要时刻关注余额在创意迸发时可能不得不束手束脚。正是为了解决这个痛点我开发并开源了Wps-Editor这是一款深度集成于WPS Office的插件旨在将AI写作能力无缝融入我们最熟悉的办公环境——WPS文字WPS Writer中同时通过一系列精心设计的功能显著提升AI使用的效率最大化每一个Token的价值。一、 Wps-Editor 是什么简单来说Wps-Editor是一个为WPS Office用户量身打造的AI辅助写作插件。它的核心使命是无缝融合将AI功能直接嵌入WPS文字界面用户无需离开熟悉的文档编辑环境即可调用强大的语言模型如ChatGPT、Claude、文心一言、通义千问等支持多种模型接入。高效协作提供多种交互方式如侧边栏对话、快捷指令、右键菜单让用户能快速获取AI生成的文本、代码、表格、翻译等内容并方便地插入文档。Token优化通过智能缓存、历史记录管理、模板化输入等功能减少重复请求优化提示词(Prompt)结构有效降低Token消耗。开源透明项目的所有代码完全开放托管在GitHub上任何人都可以查看、学习、使用、修改甚至贡献代码。地址是https://github.com/boxersir/wps-editor二、 为什么选择 Wps-Editor痛点与解决方案痛点1频繁切换应用工作流割裂传统方式在WPS里写文档 - 需要AI帮助 - 打开浏览器或独立的AI应用 - 复制粘贴问题 - 等待回复 - 再复制粘贴回WPS。流程繁琐打断思路。Wps-Editor方案直接在WPS界面内操作。选中一段文字右键点击“Wps-Editor”菜单项选择“润色”、“总结”、“翻译”等指令AI结果瞬间插入文档。或通过侧边栏进行更复杂的对话。流畅度提升100%。痛点2Token消耗快成本高/限制多每次交互都消耗Token低效的重复提问或冗长的上下文会迅速耗尽免费额度或增加API费用。Wps-Editor方案智能缓存与历史管理插件会记录对话历史方便回溯上下文。对于常见问题或固定格式请求用户可创建“提示词模板”复用高质量Prompt避免每次都从头构建减少冗余Token。聚焦编辑提供“选中文本处理”功能用户只需选中需要处理的文字片段发送给AI插件会自动附加清晰的指令如“润色以下文字”比用户手动输入更精简高效。结果复用生成的优质内容可直接插入文档无需二次复制减少操作环节潜在的Token浪费比如不小心清除了上下文。模型选择与配置用户可根据任务需求如需要长文本还是需要高性价比灵活选择不同能力的模型优化Token成本。痛点3AI能力难以高效融入文档创作AI擅长生成内容但如何让这些内容快速、准确地成为文档的一部分并保持格式如表格、代码块是个挑战。Wps-Editor方案一键插入AI生成的文本、Markdown格式的内容会自动转换为WPS格式、甚至是简单的表格都可以通过插件按钮一键插入到文档光标位置。代码高亮支持规划中对于生成代码片段计划支持语法高亮显示提升可读性。与WPS协同充分利用WPS的文档编辑能力用户可以在插入后立即进行精细调整。三、 Wps-Editor 的核心功能亮点和愿景深度集成WPS作为WPS插件运行拥有原生的菜单栏、工具栏、任务窗格侧边栏与WPS UI风格一致操作直观。灵活的AI引擎接入支持通过标准API如OpenAI API格式兼容的接口连接多种主流语言模型。用户可自行配置API密钥、模型选择、温度等参数。高效的交互方式侧边栏聊天类似ChatGPT的对话界面可在编辑文档时进行多轮对话。快捷指令通过右键菜单或快捷键快速对选中文档内容执行常见操作如润色、翻译、总结、扩写、解释、生成代码注释等。Prompt模板库用户可保存常用Prompt模板如“生成周报”、“撰写邮件初稿”一键调用省时省力省Token。历史记录管理保存对话历史方便回溯上下文或复用之前的回答。内容无缝插入AI回复可直接插入文档指定位置支持纯文本和基础格式如Markdown转富文本。开源与可扩展代码公开开发者可基于此进行二次开发添加新功能如接入特定模型、支持更多快捷指令、优化UI等。四、 开源的力量为什么选择开源我决定将Wps-Editor开源主要基于以下几点信念社区共建持续进化一个人的力量是有限的但社区的力量是无限的。开源邀请全球的开发者、设计师、用户共同参与。开发者可以贡献代码修复Bug、添加新特性设计师可以优化用户体验用户可以提供反馈、建议新功能。这能让Wps-Editor更快地迭代更好地满足用户需求。透明可信安全无忧所有代码公开意味着没有隐藏的后门或可疑的数据收集行为。用户可以审查代码确认插件的安全性放心使用。技术共享促进学习项目代码可以作为学习WPS插件开发、AI应用集成、桌面软件开发基于WPF的参考案例。开源促进了知识的传播和技术的进步。普惠大众降低门槛开源意味着免费。任何WPS用户都可以免费下载、安装、使用这款插件享受AI带来的效率提升无需支付额外订阅费用但使用某些第三方AI模型可能涉及API费用。避免重复造轮子WPS生态中缺乏强大的、开源的AI集成插件。Wps-Editor填补了这一空白为社区提供了一个基础其他人可以在此基础上构建而不是从头开始。五、 如何获取、安装与使用和开发 Wps-Editor5.1安装和使用可直接在各大开发者ide的插件扩展中搜索Wps Editor安装即可使用的话可以直接拖拽wps文档进入开发者工具。5.2开发项目的所有信息、源代码、最新版本下载、详细安装和使用说明都托管在GitHub仓库GitHub 仓库地址https://github.com/boxersir/wps-editor获取访问上述GitHub链接。在仓库的Releases页面找到最新的稳定版安装包通常是.exe文件。安装下载安装包。双击运行安装程序按照提示完成安装通常需要关闭WPS。安装完成后启动WPS文字WPS Writer。使用首次使用可能需要配置AI模型API在插件侧边栏的设置中填入API Key等信息。在WPS文字界面你会看到新增的Wps-Editor菜单或工具栏按钮。通过侧边栏进行对话或右键点击选中的文本使用快捷指令。详细操作指南请参考仓库中的README.md和docs目录下的文档。六、 未来规划Wps-Editor 的星辰大海Wps-Editor才刚刚起步未来充满了无限可能。以下是一些正在规划或期待社区贡献的方向支持更多AI模型接入更多国内外的优秀大模型。增强表格处理更智能地生成、分析、格式化表格数据。代码高亮与执行探索在WPS内实现代码高亮显示甚至考虑简单的代码运行沙盒需谨慎评估安全性和可行性。文档智能分析提供全文总结、关键信息提取、文档结构优化建议等更高级功能。自定义指令扩展允许用户创建更复杂、更个性化的快捷指令链。多语言支持完善国际化支持更多语言界面。性能优化与稳定性提升持续改进插件性能和稳定性。社区生态建设建立用户论坛、问题反馈渠道鼓励分享Prompt模板和插件使用技巧。七、 呼吁支持开源加入我们开发Wps-Editor源于我自身的需求和对开源的热爱。它现在是一个充满潜力的项目但它的成长离不开社区的滋养。我诚挚地邀请大家使用它如果你是WPS用户并且希望更高效地使用AI请下载试用Wps-Editor你的实际体验是最宝贵的反馈。反馈问题在使用中遇到任何Bug或有任何建议请通过GitHub的Issues功能提出。这能帮助项目快速改进。宣传它如果你觉得这个插件有用请分享给你的同事、朋友、社区让更多人知道这个开源项目。贡献代码如果你是一位开发者WPS插件开发或对AI集成感兴趣欢迎 加入和Fork 项目提交 Pull Request (PR)无论是修复小Bug还是添加酷炫的新功能你的贡献都将被珍视。点个 Star在GitHub仓库页面右上角点击Star按钮。这不会花费你一分钱但对项目是巨大的鼓励它能增加项目的曝光度让更多人看到。参与讨论在GitHub的Discussions板块分享你的想法、使用技巧或对未来的展望。结语在AI赋能效率的时代Wps-Editor致力于成为连接WPS Office与强大语言模型的桥梁。它不仅是工具更是开源精神的实践。通过开源我们汇聚智慧通过社区我们共同成长。希望Wps-Editor能真正帮助大家减轻“Token焦虑”让AI写作变得触手可及、高效流畅。项目地址https://github.com/boxersir/wps-editor期待你的使用、反馈和贡献让我们一起用开源的力量打造更智能、更高效的办公体验

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2479406.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…