【亲测免费】 PrusaSlicer 项目下载及安装教程
1. 项目介绍
PrusaSlicer 是一个用于 3D 打印机的 G-code 生成器,支持多种 3D 打印机类型,如 RepRap、Makerbot、Ultimaker 等。它能够将 3D 模型(STL、OBJ、AMF)转换为 G-code 指令,适用于 FFF 打印机或 mSLA 3D 打印机的 PNG 层。PrusaSlicer 基于 Slic3r 开发,具有丰富的功能和强大的兼容性,适用于各种现代 3D 打印机。
2. 项目下载位置
PrusaSlicer 的项目源代码托管在 GitHub 上,可以通过以下链接进行下载:
3. 项目安装环境配置
3.1 系统要求
PrusaSlicer 支持多平台,包括 Linux、macOS 和 Windows。以下是各平台的系统要求:
-
Linux:
- 推荐使用 Ubuntu 20.04 或更高版本。
- 需要安装 CMake、GCC、Boost 等依赖库。
-
macOS:
- 推荐使用 macOS 10.14 或更高版本。
- 需要安装 Xcode 和 Homebrew。
-
Windows:
- 推荐使用 Windows 10 或更高版本。
- 需要安装 Visual Studio 2019 或更高版本。
3.2 依赖库安装
3.2.1 Linux
在 Ubuntu 系统上,可以使用以下命令安装所需的依赖库:
sudo apt-get update
sudo apt-get install build-essential cmake libboost-all-dev libwxgtk3.0-dev libgtk-3-dev
3.2.2 macOS
在 macOS 上,可以使用 Homebrew 安装依赖库:
brew install cmake boost wxmac
3.2.3 Windows
在 Windows 上,需要安装 Visual Studio 2019 或更高版本,并确保安装了 CMake 和 Boost 库。
3.3 环境配置示例
以下是 Linux 系统上的环境配置示例:

4. 项目安装方式
4.1 从源代码编译安装
4.1.1 克隆项目
首先,克隆 PrusaSlicer 的 GitHub 仓库:
git clone https://github.com/prusa3d/PrusaSlicer.git
cd PrusaSlicer
4.1.2 编译项目
在项目目录下,执行以下命令进行编译:
mkdir build
cd build
cmake ..
make
4.1.3 安装项目
编译完成后,执行以下命令进行安装:
sudo make install
4.2 使用预编译二进制文件安装
PrusaSlicer 提供了预编译的二进制文件,可以直接下载并安装。预编译的二进制文件可以在 PrusaSlicer 下载页面 找到。
5. 项目处理脚本
PrusaSlicer 支持通过命令行界面(CLI)进行操作,可以使用以下命令行脚本进行切片处理:
PrusaSlicer --load config.ini --output output.gcode input.stl
其中,config.ini 是配置文件,output.gcode 是输出的 G-code 文件,input.stl 是输入的 3D 模型文件。
通过以上步骤,您可以成功下载、安装并使用 PrusaSlicer 进行 3D 打印模型的切片处理。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00