Baritone项目中使用Litematica模组时的构建问题分析
2025-05-30 03:39:57作者:裴锟轩Denise
在Minecraft自动化工具Baritone的开发过程中,开发者可能会遇到与Litematica模组集成时的构建问题。本文将从技术角度分析这一问题的成因和可能的解决方案。
问题背景
当开发者尝试在Baritone项目中通过Gradle的runClient任务运行包含Litematica模组的客户端时,会遇到构建失败的情况。具体表现为:
- 直接将Litematica放入mods文件夹无法正常工作
- 尝试通过build.gradle添加依赖也未能解决问题
- 主要错误涉及Fabric资源加载器的访问加宽器使用中间名而非映射名
- Mixin应用时因无法按中间名找到类而崩溃
技术分析
映射机制问题
核心问题在于不同阶段的映射名称不匹配。Fabric生态中存在三种主要的映射状态:
- 中间名(Intermediary):Fabric使用的统一映射
- 命名名(Named):开发者使用的友好名称
- Mojang官方映射(Mojmap)
当这些映射在构建过程中未能正确转换时,就会出现类找不到或方法无法访问的问题。
Mixin的特殊性
Mixin系统需要在运行时对目标类进行转换,这就要求:
- Mixin配置中指定的目标类名必须与运行时环境中的类名匹配
- Fabric Loader本应在运行时完成这种映射转换
- 但在某些配置下,这种自动转换可能失效
解决方案探讨
依赖配置方案
- 使用modImplementation:这是最直接的解决方案,但需要确保映射转换正确
- 自定义配置:通过创建modRuntimeOnly等自定义配置并正确设置映射转换
- 运行时重映射:尝试启用Mixin的提前重映射功能
构建脚本调整
在fabric/build.gradle中可以尝试以下配置:
configurations {
modRuntimeOnly
runtimeOnly.extendsFrom modRuntimeOnly
}
unimined.minecraft {
mods {
remap(configurations.modRuntimeOnly) {
mixinRemap {
reset()
enableBaseMixin()
enableMixinExtra()
}
}
}
}
其他注意事项
- 确保使用的Litematica构建版本与目标环境匹配
- 考虑使用Mojang映射构建的Litematica版本以避免映射问题
- 对于需要使用的API方法,可以扩展现有的schematica_api存根
总结
Baritone与Litematica的集成问题主要源于Fabric生态中的映射转换复杂性。开发者需要理解Fabric的映射系统工作原理,并通过正确的Gradle配置确保各构建阶段的映射一致性。虽然目前没有完美的通用解决方案,但通过调整构建配置和依赖关系,可以在特定环境下实现两者的协同工作。
对于长期解决方案,可能需要等待Fabric工具链的改进或考虑为这类跨模组集成场景开发专门的构建支持工具。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492