PKHeX-Plugins 使用教程
1. 项目介绍
PKHeX-Plugins 是一个基于 PKHeX 的开源项目,旨在通过插件扩展 PKHeX 的功能。PKHeX 是一个用于编辑《宝可梦》系列游戏存档文件的工具,而 PKHeX-Plugins 则通过添加自动化修改功能,简化了合法宝可梦的创建过程。该项目由 architdate 和 kwsch 维护,支持多种《宝可梦》游戏版本,包括《宝可梦剑/盾》、《宝可梦晶灿钻石/明亮珍珠》以及《宝可梦传说:阿尔宙斯》等。
2. 项目快速启动
2.1 环境准备
- IDE: 需要支持 .NET 代码编译的 IDE,如 Visual Studio 2022。
- SDK: .NET 8.0 SDK。
2.2 克隆项目
首先,克隆 PKHeX-Plugins 仓库到本地:
git clone https://github.com/architdate/PKHeX-Plugins.git
2.3 编译项目
- 打开解决方案文件
PKHeX-Plugins.sln。 - 右键点击解决方案,选择“重建所有”。
- 编译完成后,生成的 DLL 文件将位于
AutoLegalityMod\bin\Release\net8.0-windows目录下。
2.4 使用插件
- 在 PKHeX 的执行目录下创建一个名为
plugins的文件夹。 - 将编译生成的 DLL 文件放入
plugins文件夹中。 - 启动 PKHeX,插件将自动加载。
- 在 PKHeX 中,通过
Tools > Auto Legality Mod菜单使用插件功能。
3. 应用案例和最佳实践
3.1 自动化合法宝可梦生成
使用 Auto Legality Mod 插件,可以自动化生成符合游戏规则的宝可梦。这对于需要大量合法宝可梦的玩家或开发者非常有用。
3.2 存档编辑
通过 PKHeX-Plugins,用户可以编辑游戏存档中的各种数据,如宝可梦的属性、技能、道具等。这对于游戏测试和数据分析非常有帮助。
3.3 插件开发
开发者可以根据 PKHeX-Plugins 的插件接口,开发自己的插件,扩展 PKHeX 的功能。这为社区贡献提供了良好的基础。
4. 典型生态项目
4.1 PKHeX
PKHeX 是 PKHeX-Plugins 的基础项目,提供了存档编辑的核心功能。通过 PKHeX-Plugins,用户可以进一步扩展 PKHeX 的功能。
4.2 LiveHeX
LiveHeX 是一个用于实时编辑《宝可梦》游戏数据的工具,支持通过 USB 或网络连接进行实时修改。PKHeX-Plugins 中的某些插件与 LiveHeX 兼容,提供了更强大的实时编辑功能。
4.3 Smogon StrategyDex
Smogon StrategyDex 是一个宝可梦对战策略数据库,提供了各种宝可梦的推荐配置。PKHeX-Plugins 可以与 Smogon StrategyDex 集成,自动生成符合策略的宝可梦。
通过这些生态项目,PKHeX-Plugins 为用户提供了丰富的工具和资源,帮助他们更好地管理和编辑《宝可梦》游戏数据。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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 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
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