Parchment 项目教程
1. 项目介绍
Parchment 是一个基于 Web 的 Z-Machine 和 Glulx 虚拟机,专门用于运行 Infocom 和现代 Z-code 游戏。它是一个开源项目,旨在提供一个简单易用的平台,让用户能够在现代浏览器中体验经典的文字冒险游戏。
Parchment 的主要特点包括:
- 跨平台:支持在各种现代浏览器中运行。
- 兼容性强:能够运行多种格式的 Z-code 和 Glulx 游戏。
- 易于扩展:提供了丰富的 API 和插件机制,方便开发者进行扩展和定制。
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 (建议版本 v14 或更高)
- Git
2.2 克隆项目
首先,克隆 Parchment 项目到本地:
git clone https://github.com/curiousdannii/parchment.git
cd parchment
2.3 安装依赖
进入项目目录后,安装所需的依赖包:
npm install
2.4 启动开发服务器
安装完成后,启动开发服务器:
npm start
启动成功后,你可以在浏览器中访问 http://localhost:3000 来查看 Parchment 的运行效果。
3. 应用案例和最佳实践
3.1 运行经典游戏
Parchment 最常见的应用场景是运行经典的文字冒险游戏。你可以通过以下步骤加载并运行一个游戏文件:
- 将游戏文件(通常是
.z5,.z8, 或.ulx格式)放置在public/games目录下。 - 在浏览器中访问
http://localhost:3000/games/your-game-file.z5。
3.2 自定义界面
Parchment 提供了丰富的 API 和插件机制,允许开发者自定义界面和功能。例如,你可以通过修改 src/index.html 文件来调整界面的布局和样式。
3.3 集成到现有项目
如果你希望将 Parchment 集成到现有的 Web 项目中,可以通过以下步骤实现:
- 将 Parchment 的源码复制到你的项目目录中。
- 在你的 HTML 文件中引入 Parchment 的入口文件:
<script src="path/to/parchment/dist/parchment.js"></script>
- 初始化 Parchment 并加载游戏文件:
const parchment = new Parchment();
parchment.loadGame('path/to/your-game-file.z5');
4. 典型生态项目
4.1 Inform 7
Inform 7 是一个用于创建交互式小说和文字冒险游戏的开发工具。Parchment 可以作为 Inform 7 游戏的运行环境,提供了一个现代化的平台来展示和运行这些游戏。
4.2 Twine
Twine 是一个开源的工具,用于创建非线性故事和文字冒险游戏。Parchment 可以与 Twine 集成,提供一个强大的运行环境,支持 Twine 生成的游戏文件。
4.3 Glulx
Glulx 是一种用于文字冒险游戏的虚拟机格式,Parchment 提供了对 Glulx 格式的全面支持,使得开发者可以在现代浏览器中运行和测试 Glulx 游戏。
通过这些生态项目的支持,Parchment 不仅能够运行经典的文字冒险游戏,还能够与现代开发工具无缝集成,为开发者提供了一个全面的解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00