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。
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