【免费下载链接】ghostty-blackholeGhostty Blackhole puts a real, ray-traced black hole inside your terminal. It grows as Claude Codes context window fills up, live. A fresh session is a quiet hole in the corner. A full one swallows half your screen. Youll always see /compact coming.项目地址https://gitcode.com/gh_mirrors/gh/ghostty-blackhole点击查看免费下载Ghostty Blackhole 把一颗真正光线追踪的黑洞放进 Ghostty 终端它的吸积盘颜色由黑体辐射公式计算左右明暗不对称来自相对论聚束beaming而黑洞的大小会实时跟随 Claude Code 上下文窗口的填充程度生长——上下文快满时黑洞会吞掉你半个屏幕让你随时看见/compact正在逼近。本文带你从黑体辐射到测地线积分逐层拆解这颗终端黑洞背后的物理实现。️ 它是什么会随上下文吃屏幕的黑洞着色器Ghostty Blackhole 的核心只有一个文件blackhole.glsl。它是一个 Shadertoy 风格的 Ghostty 自定义片元着色器把终端画面当作背景天空对黑洞附近的每个像素实时求解光线的弯曲轨迹。注意 README 里的一句话这里没有任何画上去的东西——阴影、光环、吸积盘全部是光线追踪落出来的结果。项目提供三种大小模式见 blackhole.glsl#L73-L79Token 模式默认黑洞大小实时映射 Claude Code 上下文窗口的占用率。空上下文时它是右上角一颗安静的角落种子满上下文时移动更快、游走范围扩大直到覆盖整个可玩屏幕。番茄钟模式无守护进程、无脚本纯靠墙钟在着色器内完成 55 分钟工作 / 5 分钟休息的生长-收缩循环还能用光标活动检测你停止打字就变小。演示模式42 秒自运行展示循环黑洞从角落种子长到 100%同时吸积盘外观在 Gargantua、M87* 甜甜圈、Quasar、Blazar 等预设间轮播——也就是上面那张预设网格图里看到的形态。Token 模式的数据通道堪称巧思Ghostty 着色器不支持自定义 uniform但会传入光标颜色。随附脚本 claude-token.py 把上下文占比编码进琥珀色光标颜色的低 4 位带 16 位签名校验主题自带的光标色不可能误召唤黑洞着色器每帧从iCurrentCursorColor解码还原无需写文件、无需重载更新在下一帧直接生效。一根光线Schwarzschild 测地线实时积分经典的黑洞着色器方案会把史瓦西测地线预先算成查找表纹理但 Ghostty 着色器没有自定义纹理所以每个像素现场数值积分自己那条零测地线。物理上用的是 Binet 形式的光子加速度a -(3/2) h² x / r⁵其中 h 是守恒的角动量矩。这一项不是近似——它复现的是史瓦西度规下精确的光子偏折。着色器用 leapfrogkick-drift-kick积分器推进光线步长随半径自适应靠近光子球时细、远离时空粗blackhole.glsl#L497-L515。每像素的积分预算由N_STEPS控制默认 48它也是首要的性能旋钮。几个关键尺度单位均为史瓦西半径 r_s定义见 blackhole.glsl#L217-L222尺度位置你看到的事件视界1 r_s光线进入即被捕获文字真的消失而非淡出光子球1.5 r_s光线在此盘旋光子环由此涌现ISCO最内稳定圆轨道3 r_s吸积盘内边缘的物理参考线临界碰撞参数b_crit ≈ 2.598 r_s阴影半径——小于它的弯入视界大于它的被弹开逃逸的光线会被投影回终端天空平面远处的像素直接切换到解析弱场偏折α 2r_s/b做廉价计算只有黑洞近旁的高代价像素才支付测地线积分蓝光的偏折略大于红光制造出一丝色散blackhole.glsl#L445-L474。 吸积盘的物理实现黑体辐射从温度到颜色吸积盘每一圈辐射环的颜色不是调色盘里挑的而是按温度算出来的。着色器内置一个黑体辐射近似函数Tanner Helland 拟合blackhole.glsl#L258-L269输入开尔文温度输出归一化 RGB——5500 K 落在白热3000 K 偏琥珀15000 K 开始泛蓝。温度分布则采用 Shakura–Sunyaev 盘模型的温度剖面内圈热、外圈冷最热环归一化到DISK_TEMPblackhole.glsl#L548-L552。这就是为什么盘的边缘呈暖橙色、中心趋白——和真实吸积盘的多色温度结构一致。相对论聚束与多普勒色移盘面绕黑洞做开普勒轨道运动内侧气体速度可观。着色器为每次光线-盘面交叉计算相对论因子g √(1 − 1.5 r_s/r) / (1 − β·k̂)blackhole.glsl#L540-L546。它的三个物理效果一次到位色移g 乘回温度再喂给黑体函数——朝向你运动的一侧被蓝移成炽蓝背离的一侧被红移变暗聚束beaming观测强度按 g^N 缩放N 即DISK_BEAM默认 2.5约对应光子计数级——接近侧整体变亮形成标志性的一边亮一边暗引力红移分子 √(1 − 1.5 r_s/r) 是轨道上的固有时率内圈光被额外拉红、变暗。DOPPLER_MIX在 0纯牛顿盘到 1全物理之间平滑过渡方便你直观感受关掉相对论长什么样。星际穿越外观多次穿越的薄盘与涌现的光子环盘面是几何薄盘而弯曲光线可以多次穿越它光线先穿过远侧、绕到黑洞后面、再穿过近侧于是远侧光弧同时出现在阴影的上方和下方——这正是《星际穿越》里 Gargantua 的既视感。而盘面上那圈明亮的细环光子环不是描边画出来的它由在 1.5 r_s 光子球附近多绕几圈的高阶光线涌现而来是积分的天然产物。引力时间膨胀内圈轨道肉眼可见地冻住盘面花纹的时间推进速度按 √(1 − 1.5 r_s/r) 缩放——内圈轨道走得越慢越靠近中心花纹几乎静止整颗盘还会随着黑洞质量增大而整体减速DILATION_MIN。这是相对论效应在这个项目里最戏剧化的呈现。上手与调参让黑洞跑起来安装步骤克隆仓库git clone https://gitcode.com/gh_mirrors/gh/ghostty-blackhole在 Ghostty 配置~/.config/ghostty/config中加两行custom-shader /path/to/ghostty-blackhole/blackhole.glsl custom-shader-animation true若使用 Token 模式把 claude-token.py 接入 Claude Code 的statusLine与SessionStart/SessionEnd钩子完整 JSON 见 README.md 的 Install token mode 一节新开一个会话即可看到角落里的种子黑洞。用 Tuner 调参台实时改物理量不想手改着色器常数项目自带原生 SwiftUI 调参台 tuner/按黑洞 / 吸积盘 / 颜色与光 / 运动 / Token / 番茄钟分组的全参数滑块内置Gargantua、Quasar、M87* donut、Blazar、Inferno、Zen等预设每次拖动都通过 SIGUSR2 热重载 Ghostty即时生效参数定义见 ParamSpec.swift。运行方式cd tuner swift run # 直接跑 ./tuner/make-app.sh # 或打包成 Black Hole Tuner.app最值得拨的几颗旋钮DISK_TEMP黑体温度、DOPPLER_MIX相对论不对称开关、DISK_BEAM聚束强度、DISK_INCL盘面倾角0 正面朝你π/2 侧视星际穿越视角、STAR_GAIN点亮被透镜化的程序化星空看恒星被拉成弧线绕洞而行。小结Ghostty Blackhole 用单个片元着色器装下了相当完整的黑洞物理课黑体辐射定颜色、Shakura–Sunyaev 剖面定温度、Binet 形式测地线定弯曲、多普勒因子 g 定色移与聚束、固有时率定时间膨胀——而它最妙的地方是把这些严肃的物理量接到了 Claude Code 的上下文窗口上黑洞越大越提醒你该/compact了。赞分享【免费下载链接】ghostty-blackholeGhostty Blackhole puts a real, ray-traced black hole inside your terminal. It grows as Claude Codes context window fills up, live. A fresh session is a quiet hole in the corner. A full one swallows half your screen. Youll always see /compact coming.项目地址https://gitcode.com/gh_mirrors/gh/ghostty-blackhole点击查看免费下载相关推荐深入解析 SciPy 相对论 Breit-Wigner 分布从物理建模到 rel_breitwigner 实战深入解析 SciPy 相对论 Breit Wigner 分布从物理建模到 rel_breitwigner 实战 导读 相对论 Breit WignerRel科学计算数据科学高性能计算深度卷积神经网络AlexNet解析从理论到实践深度卷积神经网络AlexNet解析从理论到实践 引言深度学习的革命性突破 你是否还记得2012年那个改变计算机视觉历史的时刻当AlexNet在ImageN人工智能深度学习机器学习教程深入理解卷积层从理论到实践深入理解卷积层从理论到实践 卷积神经网络Convolutional Neural NetworksCNN已经成为计算机视觉领域的核心架构而卷积层Co人工智能深度学习机器学习教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考