c:geo 项目技术文档
1. 安装指南
1.1 获取源码
首先,你需要从GitHub上fork c:geo 项目的源码。不要直接克隆主仓库,而是要fork到你自己的仓库中。然后,你可以克隆你fork后的仓库到本地进行开发。
1.2 设置IDE
c:geo 项目使用 Android Studio 作为开发环境。你可以参考项目wiki中的IDE设置指南来配置你的开发环境。
1.3 安装依赖
在开始构建项目之前,你需要安装以下依赖:
- Android SDK:包括Google APIs(至少V26)、Google 仓库和Android支持仓库。
- Google USB Driver(仅限Windows用户):用于在智能手机上安装应用程序。
1.4 API 密钥
为了完整使用c:geo的功能,你需要获取一些API密钥,包括Google Maps和OpenCaching网站的密钥。你可以参考项目wiki中的API密钥获取指南来获取这些密钥。
1.5 构建项目
使用 gradlew 命令从项目根目录运行构建脚本。你可以使用 gradlew assembleBasicDebug 来开始构建。
2. 项目的使用说明
2.1 功能概述
c:geo 是一个开源的、功能齐全的、随时可用的非官方 geocaching.com 客户端。它还支持其他地理藏宝平台的基本功能。无需网页浏览器或导出,只需下载并直接使用。
2.2 贡献指南
如果你想为项目贡献代码,请先在issue tracker中告诉我们你的想法。项目中有一些适合新手的good first issues,你可以从这些任务开始。
3. 项目API使用文档
3.1 Google Maps API
为了使用Google Maps功能,你需要获取Google Maps API v2密钥。你可以参考Google Maps SDK for Android: Get an API Key来获取密钥。
3.2 OpenCaching API
c:geo 支持多个OpenCaching网站,你需要为每个网站获取相应的API密钥。你可以参考项目wiki中的OpenCaching API密钥获取指南来获取这些密钥。
4. 项目安装方式
4.1 使用Android Studio
在Android Studio中,你可以通过“Build” => “Make Project”来构建项目。构建成功后,你可以通过“Run” => “Run”将应用部署到设备或模拟器上进行测试。
4.2 使用命令行
你也可以通过命令行使用 gradlew assembleBasicDebug 来构建项目,并生成可安装的APK文件。
4.3 测试
项目的测试类位于 test 目录下。你可以通过Android Studio的“Run”菜单来运行或调试这些测试类。确保在模拟器或设备上配置了有效的geocaching.com账户,以便所有测试能够成功运行。
5. 许可证
c:geo 项目遵循 Apache License, Version 2.0 许可证。
6. 联系信息
- 网站: https://www.cgeo.org/
- 支持: support@cgeo.org
- Twitter: https://twitter.com/android_gc
- Facebook: https://www.facebook.com/android.geocaching
- Google Play: https://play.google.com/store/apps/details?id=cgeo.geocaching
- 实时状态: https://status.cgeo.org/
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00