Apollo 项目技术文档
2024-12-20 20:25:46作者:余洋婵Anita
1. 安装指南
1.1 环境准备
在开始安装 Apollo 之前,请确保您的系统已经安装了以下工具:
- Java Development Kit (JDK):Apollo 是基于 Java 开发的,因此需要 JDK 来编译和运行项目。
- Gradle:Apollo 使用 Gradle 作为构建工具,因此需要安装 Gradle。
1.2 下载项目
首先,从 GitHub 仓库下载 Apollo 项目的源代码:
git clone https://github.com/your-repo/Apollo.git
cd Apollo
1.3 构建项目
在项目根目录下运行以下命令来下载依赖并构建项目:
gradle build
1.4 配置数据文件
- 将目标客户端版本的完整缓存文件放置在
data/fs/[revision]目录下。默认情况下,Apollo 兼容 377 版本,因此缓存文件应放置在data/fs/377目录中。 - 在
data/目录下放置一个包含 RSA 私钥的rsa.pem文件。Apollo 提供了一个生成器org.apollo.util.tools.RsaKeyGenerator,可以生成并写入该文件。如果使用生成器,您需要替换客户端中使用的公钥和模数(工具会打印新值)。 - 如果目标客户端版本不同,运行
EquipmentUpdater(位于org.apollo.cache.tools),该工具会识别穿戴装备所需的战斗技能等级。如果版本包含 377 中未找到的装备,您可能需要手动更新该工具。
1.5 启动项目
完成上述步骤后,您可以通过以下命令启动 Apollo:
gradle run
2. 项目使用说明
2.1 默认配置
- 玩家数据存储:默认情况下,玩家数据不会保存,所有登录的用户都将拥有管理员权限。您可以在
login.xml文件中更改玩家序列化器以保存玩家数据。 - 客户端版本:默认支持 377 版本,如果使用其他版本,请确保缓存文件和相关工具已正确配置。
2.2 自定义配置
- RSA 密钥:如果需要自定义 RSA 密钥,可以使用
RsaKeyGenerator工具生成新的密钥对,并替换客户端中的公钥和模数。 - 装备更新:如果目标客户端版本包含新的装备,您需要手动更新
EquipmentUpdater工具以确保装备穿戴要求的正确性。
3. 项目 API 使用文档
3.1 核心 API
- org.apollo.util.tools.RsaKeyGenerator:用于生成 RSA 密钥对的工具。
- org.apollo.cache.tools.EquipmentUpdater:用于更新装备穿戴要求的工具。
3.2 插件开发
Apollo 支持模块化插件开发。您可以通过编写自定义插件来扩展 Apollo 的功能。插件开发指南请参考 CONTRIBUTING.md。
4. 项目安装方式
4.1 源码安装
- 克隆项目源码:
git clone https://github.com/your-repo/Apollo.git - 进入项目目录:
cd Apollo - 构建项目:
gradle build - 配置数据文件并启动项目。
4.2 二进制安装
如果您不想从源码构建,可以从项目的发布页面下载预编译的二进制文件。下载后解压并按照配置指南进行配置。
通过以上步骤,您应该能够成功安装并使用 Apollo 项目。如果在使用过程中遇到问题,请参考项目的 Discord 或创建 GitHub 问题。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
392
472
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++
898
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
358
217
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
123
160
🎉 (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
1.38 K
784
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
811
199
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
533
235
React Native鸿蒙化仓库
JavaScript
312
363