GMEdit 开源项目教程
1. 项目介绍
GMEdit 是一个为 GameMaker 开发的高端开源代码编辑器。它旨在提供一个快速、舒适的代码编辑环境,支持 GameMaker: Studio、GameMaker Studio 2(包括 2.3 之前的版本和 2.3 格式),以及对旧版 GameMaker(≤8.1)项目的有限支持。此外,GMEdit 还可以用于编辑基于 GML 的游戏模组,如 Nuclear Throne 或 Rivals of Aether。
GMEdit 的主要特点包括:
- 高性能的代码编辑器(基于 Ace),特别优化用于 GML。
- 支持 GameMaker 风格的键盘快捷键,可自定义。
- 结合了对象、时间线和扩展的编辑器,允许同时查看和编辑多个事件、时刻或脚本。
- 快速保存和加载操作,仅更改必要的文件。
- 多种语法扩展,便于编写重复代码。
- 非破坏性更改,代码在基础 IDE 中仍然可读和可编辑。
- 支持自定义主题和插件。
- 免费且开源。
2. 项目快速启动
2.1 下载和安装
首先,从 GMEdit 的 GitHub 仓库 下载项目源代码。
git clone https://github.com/YellowAfterlife/GMEdit.git
2.2 构建项目
- 下载并解压预构建的 Electron 二进制文件到
bin/目录。 - 使用 Haxe 编译项目。
# 安装 Haxe(如果尚未安装)
npm install -g haxe
# 编译项目
haxe build.hxml
2.3 运行项目
编译完成后,使用 Electron 运行项目。
npm start
3. 应用案例和最佳实践
3.1 案例一:游戏模组开发
GMEdit 可以用于开发和编辑基于 GML 的游戏模组。例如,开发者可以使用 GMEdit 快速编辑 Nuclear Throne 或 Rivals of Aether 的模组代码,利用其高性能的代码编辑器和语法扩展功能,提高开发效率。
3.2 案例二:复杂游戏项目
对于复杂的 GameMaker 项目,GMEdit 提供了更高级的代码编辑功能,如多文档编辑、自定义快捷键和插件支持。这些功能可以帮助开发者更高效地管理和编辑大量代码,减少错误并提高代码质量。
4. 典型生态项目
4.1 GameMaker Studio 2
GameMaker Studio 2 是 GMEdit 的主要支持目标之一。GMEdit 提供了对 GameMaker Studio 2 的全面支持,包括对 2.3 版本格式的支持,使其成为 GameMaker Studio 2 开发者的理想代码编辑器。
4.2 Ace 编辑器
GMEdit 的核心代码编辑器基于 Ace 编辑器,这是一个高性能的代码编辑器,广泛用于各种开发工具中。GMEdit 对 Ace 进行了定制和优化,以更好地支持 GML 语言。
4.3 Electron
GMEdit 使用 Electron 作为其跨平台运行时环境。Electron 允许 GMEdit 在 Windows、macOS 和 Linux 上运行,提供一致的用户体验。
通过以上模块的介绍,您应该对 GMEdit 项目有了全面的了解,并能够快速启动和使用它。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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