code4maus 开源项目教程
1. 项目介绍
code4maus 是一个基于 Scratch 的图形化编程环境,旨在通过游戏化的方式帮助儿童学习编程概念。该项目由 WDR(Westdeutscher Rundfunk)开发,旨在为儿童提供一个有趣且易于理解的编程学习平台。code4maus 的核心理念是通过互动和游戏,让儿童在玩耍中掌握编程的基础知识。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- Node.js
- Yarn
- AWS CLI(如果你需要下载资产)
2.2 安装依赖
首先,克隆项目仓库并进入项目目录:
git clone https://github.com/wdr-data/code4maus.git
cd code4maus
然后,安装项目依赖:
yarn install
2.3 配置环境
复制 .env.example 文件并重命名为 .env:
cp .env.example .env
2.4 下载资产(可选)
如果你需要下载项目资产,请确保你已经配置了 AWS CLI 并有权限访问 hackingstudio 配置文件:
export AWS_PROFILE=hackingstudio
yarn assets:download
2.5 启动项目
启动前端项目:
yarn start
打开浏览器并访问 http://localhost:8601,等待构建完成。
如果你需要使用保存功能,请启动后端服务:
yarn start:backend
3. 应用案例和最佳实践
3.1 创建新游戏
在 src/lib/edu 目录下创建一个新的游戏文件夹,并确保文件夹名称以 game 或 example 开头。游戏文件夹应包含一个 Scratch 3 项目文件(.json)和一个游戏配置文件(.js)。
例如:
mkdir src/lib/edu/example-your-cool-project
unzip /your/downloaded/sb3 -d src/lib/edu/example-your-cool-project
yarn prettier --write src/lib/edu/example-your-cool-project/project.json
3.2 添加幻灯片
你可以在游戏中添加幻灯片,这些幻灯片会显示在右下角。在游戏配置文件中添加 slides 数组:
export default {
id: 'your-game',
slides: [
{
asset: require('/assets/slide-01.svg'),
caption: 'Where is my green pullover?'
}
]
}
3.3 限制可用积木
如果你想覆盖游戏中的类别和积木,可以在游戏配置文件中添加 blocks 数组:
export default {
id: 'your-game',
blocks: [
{
category: 'motion',
blocks: ['movesteps', 'turnright', 'turnleft', '--', 'gotoxy']
},
{
category: 'sound',
blocks: ['playuntildone']
}
]
}
4. 典型生态项目
4.1 Scratch
code4maus 基于 MIT 的 Scratch 项目,Scratch 是一个广泛使用的图形化编程工具,适用于教育和娱乐目的。Scratch 的开放性和社区支持使得 code4maus 能够快速扩展和定制。
4.2 Scratch Blocks
Scratch Blocks 是 Scratch 项目的一部分,提供了图形化编程的积木组件。code4maus 使用了这些积木组件,并通过自定义翻译和功能扩展,使其更适合儿童使用。
4.3 AWS S3
code4maus 项目使用了 AWS S3 存储服务来管理项目资产。通过 AWS CLI,开发者可以轻松地下载和上传项目所需的资源。
通过以上教程,你可以快速上手 code4maus 项目,并开始为儿童创建有趣的编程学习体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0146- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111