Decker 项目下载及安装教程
2024-12-05 21:00:56作者:秋泉律Samson
1. 项目介绍
Decker 是一个多媒体平台,用于创建和分享包含声音、图像、超文本和脚本行为的交互式文档。它支持在 MacOS 和 Windows 上运行,并且还提供了一个基于 JavaScript 的 Web 版本。Decker 的脚本语言是 Lil,它是一个轻量级的脚本语言,适合用于创建和操作多媒体文档。
2. 项目下载位置
Decker 项目托管在 GitHub 上,可以通过以下命令克隆项目到本地:
git clone https://github.com/JohnEarnest/Decker.git
3. 项目安装环境配置
3.1 环境要求
- 操作系统: MacOS、Windows、Linux
- 编译器: C 编译器(如 GCC 或 Clang)
- 依赖库: SDL2、SDL2_image
- 工具: xxd(通常随 MacOS 和大多数 *nix 发行版一起提供)
3.2 环境配置示例
3.2.1 MacOS 环境配置
在 MacOS 上,可以使用 Homebrew 安装所需的依赖库:
brew install sdl2 sdl2_image
3.2.2 Linux 环境配置
在 Debian 或 Ubuntu 上,可以使用 apt 安装所需的依赖库:
sudo apt install libsdl2-2.0-0 libsdl2-dev libsdl2-image-dev
3.2.3 Windows 环境配置
在 Windows 上,可以使用 MSYS2 或 Chocolatey 安装所需的依赖库。以下是使用 MSYS2 的示例:
pacman -S mingw-w64-x86_64-gcc mingw-w64-x86_64-SDL2 mingw-w64-x86_64-SDL2_image
4. 项目安装方式
4.1 Web-Decker 安装
Web-Decker 是一个基于 JavaScript 的 Web 应用程序,可以通过以下步骤构建和运行:
make testjs
make web-decker
make runweb # (可选) 在默认浏览器中打开
4.2 Native-Decker 安装
Native-Decker 是一个基于 C 语言的本地应用程序,可以通过以下步骤构建和安装:
make lilt # (可选) 命令行工具
make docs # (可选) 构建文档 (需要 Lilt)
make decker # 构建 decker 本身
make test # (可选) 回归测试套件
sudo make install # (可选) 安装 lilt、decker 和 lil 语法配置文件
5. 项目处理脚本
Decker 使用 Lil 脚本语言来处理和操作多媒体文档。以下是一个简单的 Lil 脚本示例,用于读取和操作一个多媒体文档:
$ lilt d:readdeck["examples/decks/color.deck"]
<deck>
d.card:d.cards.colhex
<card>
d.card.widgets.hex.text:"FFAA00" "FFAA00"
d.card.widgets.hex.event["change"] 0
d.card.widgets.rgb.text "16755200"
writedeck["color.html" d] 1
这个脚本读取了一个名为 color.deck 的多媒体文档,并将其转换为一个 HTML 文件。
通过以上步骤,您可以成功下载、配置和安装 Decker 项目,并开始使用 Lil 脚本语言创建和操作多媒体文档。
登录后查看全文
热门项目推荐
相关项目推荐
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
147
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