如何让明日方舟干员住进你的桌面?Ark-Pets桌宠神器完整指南
想让《明日方舟》的干员突破次元壁,成为你工作学习时的贴心伙伴吗?Ark-Pets桌宠工具让这一切成为现实!这款专为明日方舟玩家打造的开源桌面宠物应用,能将你喜爱的游戏角色以生动动画形式呈现在电脑屏幕上,带来沉浸式互动体验。无论你是忙碌的上班族还是专注的学生党,都能通过这款免费工具为桌面注入泰拉世界的独特魅力。
🌈 为什么选择Ark-Pets桌宠?
厌倦了单调的桌面背景?Ark-Pets通过智能物理引擎和细腻动画系统,让干员不再是静态图片:
- 当你切换窗口时,他们会做出可爱的反应
- 工作累了?点击桌宠还能触发特殊互动动作
- 支持多显示器部署,让干员"巡视"你的所有屏幕
🚀 超简单安装指南(3步上手)
1. 获取项目源码
git clone https://gitcode.com/gh_mirrors/ar/Ark-Pets
2. 运行启动程序
Windows用户直接双击 gradlew.bat,macOS/Linux用户在终端执行:
./gradlew run
3. 选择你的第一个干员
首次启动后,在模型选择界面(对应源码:core/src/cn/harryh/arkpets/assets/ModelsDataset.java)挑选喜欢的干员,点击"部署"即可完成设置。
⚙️ 个性化你的桌宠体验
Ark-Pets提供丰富的自定义选项,让每个桌宠都独一无二:
行为模式调整
在行为设置面板(对应源码:core/src/cn/harryh/arkpets/animations/GeneralBehavior.java)可调节:
- 活跃度:从"安静陪伴"到"活泼好动"
- 互动频率:设置干员主动互动的间隔时间
- 特殊动作触发条件:如鼠标悬停、键盘输入时的反应
外观定制
通过设置界面修改:
- 角色大小和透明度
- 时装切换(部分角色支持)
- 桌面层级(可设置穿透点击)
📚 进阶玩法与资源
官方文档
完整使用指南和高级技巧可查阅项目文档:docs/CustomModel.md
模型扩展
社区已制作数百种自定义模型,你也可以通过官方提供的模板制作专属桌宠(详见:docs/CustomModel.md)
❓ 常见问题解答
Q: 桌宠会影响电脑性能吗?
A: 采用轻量级渲染技术(对应着色器代码:assets/shaders/gl21/),普通办公本也能流畅运行,CPU占用通常低于3%。
Q: 支持哪些操作系统?
A: 完美支持Windows 10/11,Linux和macOS版本正在测试中(进度见:core/src/cn/harryh/arkpets/platform/)
Q: 会被杀毒软件误报吗?
A: 开源项目无任何恶意代码,若出现警告,可将 core/src/cn/harryh/arkpets/concurrent/ 目录添加到信任区。
🌟 为什么这款桌宠与众不同?
Ark-Pets采用独创的行为状态机系统(core/src/cn/harryh/arkpets/animations/Behavior.java),让桌宠拥有接近真实的"性格"。例如当检测到用户5分钟无操作时,干员会进入"休息模式";而在键盘密集输入时,则会表现出"加油打气"的动画组。
现在就通过Ark-Pets把明日方舟的干员带回家,让工作学习不再孤单!项目持续更新中,更多功能可关注官方更新日志:CHANGELOG.md。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07


