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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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