miniJVM 开源项目教程
1. 项目介绍
miniJVM 是一个跨平台的 Java 虚拟机,旨在为 iOS 和 Android 平台提供 Java 应用的开发和运行环境。它是一个轻量级的 JVM,具有最小的内存占用和二进制文件大小,适合嵌入式应用。miniJVM 支持 Java 源代码编译器(janino 编译器)、JIT 支持、低延迟的 Java 垃圾回收以及 Java 远程调试。此外,miniJVM 还提供了 OpenGL ES 3.0 和 Swing 风格的 GUI 库,支持音频/视频播放和捕捉,以及从相机或相册中拍照等功能。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- JDK 8 或更高版本
- Maven
- Xcode(用于 iOS 开发)
- Android Studio(用于 Android 开发)
2.2 克隆项目
首先,克隆 miniJVM 项目到本地:
git clone https://github.com/digitalgust/miniJVM.git
cd miniJVM
2.3 构建项目
2.3.1 构建 Java 类库
运行以下脚本生成所需的 JAR 文件:
./binary/build_jar.sh
或者在 Windows 上运行:
binary\build_jar.bat
2.3.2 构建 iOS 应用
- 打开
mobile/iosapp目录下的 Xcode 项目。 - 设置开发者账号并构建应用。
- 将应用安装到设备上并验证。
2.3.3 构建 Android 应用
- 打开
mobile/androidapp目录下的 Android Studio 项目。 - 构建并安装应用到 Android 设备。
2.4 运行示例应用
在桌面平台上,你可以运行以下命令来启动示例应用:
./binary/build_mac_linux.sh
或者在 Windows 上运行:
binary\build_wini686.bat
3. 应用案例和最佳实践
3.1 即时消息应用
miniJVM 可以用于开发跨平台的即时消息应用。通过使用 miniJVM 提供的 GUI 库和网络支持,开发者可以快速构建一个功能丰富的即时消息应用。
3.2 3D 游戏开发
miniJVM 支持 OpenGL ES 3.0,适合开发 3D 游戏。开发者可以使用 miniJVM 提供的 3D 游戏示例作为基础,快速开发和部署跨平台的 3D 游戏应用。
4. 典型生态项目
4.1 Awtk-minijvm
Awtk-minijvm 是一个将 AWTK 跨平台原生 UI 绑定到 miniJVM 的项目。它允许开发者使用 Java 语言开发跨平台的原生 UI 应用。
4.2 LWJGUI-Mobile
LWJGUI-Mobile 是一个 Java LWJGL UI 库,适用于移动平台。它提供了丰富的 UI 组件和布局管理器,适合开发复杂的移动应用。
4.3 BiBiX
BiBiX 是一个 Java 即时消息应用,展示了如何使用 miniJVM 开发跨平台的即时消息应用。
4.4 G3d
G3d 是一个 Java 3D 游戏示例,展示了如何使用 miniJVM 开发 3D 游戏应用。
通过这些生态项目,开发者可以更好地理解和利用 miniJVM 的功能,快速构建和部署跨平台的 Java 应用。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00