HMCL启动器中1.20.4版本Forge与OptiFine兼容性问题分析
问题背景
在Minecraft 1.20.4版本中,HMCL启动器用户在使用自动安装功能同时下载OptiFine与Forge时遇到了兼容性问题。这一问题源于1.20.4版本Forge架构的重大变更,导致与OptiFine的交互方式发生了变化。
技术原因分析
Forge主类变更
1.20.4版本中,Forge的主类从传统的net.minecraftforge.client.loading.ClientModLoader变更为net.minecraftforge.bootstrap.ForgeBootstrap。这一变更需要启动器更新白名单机制,否则会导致自动安装功能无法在已安装Forge的情况下正确安装OptiFine。
ClasspathLocator行为变更
更关键的问题在于Forge的ClasspathLocator机制发生了重大变化:
- 在1.20.1及之前版本,ClasspathLocator在非开发环境是被禁用的
- 1.20.4版本中,ClasspathLocator在任何环境下都会启用
这一变更导致当OptiFine被放置在模组文件夹时,由于其包含ITransformationService实现,不会被作为普通模组加载。而当OptiFine被放置在classpath中时,虽然会被加载为普通模组,但实际上它内部并没有@Mod标识的类,这造成了加载异常。
解决方案探讨
开发团队讨论了多种解决方案:
-
元数据删除方案:在安装OptiFine前后删除META-INF/mod.toml文件
- 优点:实现简单直接
- 缺点:对于使用OptiFine Jar安装方法的启动器(如PCL)无效
-
Java Agent方案:通过Java Agent强制禁用ClasspathLocator
- 优点:从根本上解决问题
- 缺点:实现复杂,可能有副作用
-
补丁方案:向OptiFine JAR中注入带有@Mod("optifine")标识的类
- 优点:符合Forge的加载机制
- 缺点:需要修改原始文件,可能违反许可协议
经过测试验证,对于HMCL自动安装生成的OptiFine,删除mod.toml文件的方案能够正常工作。但对于使用传统OptiFine安装器(如PCL采用的方式)生成的安装结果,这一方案会导致启动失败。
最佳实践建议
对于HMCL用户,建议:
- 优先使用HMCL的自动安装功能同时安装Forge和OptiFine
- 如需手动安装,确保先安装Forge再安装OptiFine
- 避免在1.20.4版本中手动修改OptiFine的安装文件
对于启动器开发者,应当注意不同安装方式产生的文件结构差异,并针对性地处理兼容性问题。同时需要密切关注Forge后续版本可能带来的架构变更。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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