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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00