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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00