OpenComputers项目构建服务器迁移指南:从CI服务器到GitHub Packages
背景说明
OpenComputers是一个基于Minecraft的模组项目,它为游戏添加了可编程计算机和机器人系统。在模组开发过程中,开发者通常需要获取开发版本的JAR文件(即dev jar)来进行二次开发或创建附加组件(addon)。传统上,该项目使用ci.cil.li作为构建服务器来提供这些开发依赖。
问题发现
近期有开发者报告无法从ci.cil.li服务器获取OpenComputers 1.12.2版本的开发JAR文件。经过项目维护者确认,该构建服务器已永久下线,不再提供服务。这对依赖该服务器获取开发资源的开发者造成了影响。
解决方案
项目维护者asiekierka明确指出,开发者应当转向使用GitHub Packages作为新的Maven仓库来获取项目依赖。GitHub Packages是GitHub提供的软件包托管服务,可以托管各种类型的包,包括Maven、npm、Docker等。
技术迁移建议
对于想要继续为OpenComputers开发附加组件的开发者,需要进行以下调整:
-
构建配置更新:在项目的构建配置文件(如build.gradle)中,需要将原有的ci.cil.li仓库地址替换为GitHub Packages的Maven仓库配置。
-
认证设置:由于GitHub Packages可能需要认证,开发者需要配置适当的认证信息。通常这涉及在gradle.properties文件中设置GitHub个人访问令牌。
-
依赖声明:确保依赖声明使用正确的GitHub Packages坐标格式,包括正确的group ID、artifact ID和版本号。
最佳实践
-
版本锁定:建议在开发附加组件时明确指定依赖的OpenComputers版本,以避免潜在的兼容性问题。
-
本地缓存:考虑将必要的依赖缓存到本地Maven仓库,以减少对外部仓库的依赖。
-
持续集成配置:如果使用CI/CD管道,确保相应的构建服务器也有权限访问GitHub Packages。
未来展望
随着开源项目托管平台的演进,越来越多的项目正在从自建构建服务器迁移到平台提供的标准化服务。这种迁移虽然短期内可能带来一些调整成本,但从长期来看能提高可靠性和可维护性。开发者应当关注项目官方文档和公告,及时获取这类基础设施变更的信息。
对于OpenComputers社区而言,这次迁移标志着项目基础设施的现代化进程,也为未来的协作开发奠定了更稳固的基础。
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-1.5暂无简介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