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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00