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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00