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。
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