Printrun 技术文档
1. 安装指南
1.1 预编译二进制包和软件包
1.1.1 Windows 和 macOS 预编译二进制包
可以从以下地址下载最新的预编译包:https://github.com/kliment/Printrun/releases/latest
注意: macOS 用户可能会遇到“无法验证开发者”的提示,此时可以通过右键点击应用并选择“打开”来解决。
1.1.2 Linux 官方仓库中的软件包
Ubuntu / Mint / Raspberry Pi OS / Debian
安装完整套件:
sudo apt install printrun
或者只安装需要的应用:
sudo apt install pronsole
或
sudo apt install pronterface
Fedora
安装完整套件:
sudo dnf install printrun
或者只安装需要的应用:
sudo dnf install pronsole
或
sudo dnf install pronterface
Arch Linux
可以通过 AUR 安装:
yaourt printrun
1.2 从源码运行
1.2.1 Linux / macOS
-
安装 Python
大多数 Linux 发行版已经预装了 Python。如果没有,可以通过包管理器安装。macOS 用户可以从 python.org 下载并安装最新版本的 Python。
-
下载最新的 Printrun 源码
在终端中运行以下命令:
git clone https://github.com/kliment/Printrun.git cd Printrun -
使用 Python 虚拟环境
建议使用虚拟环境以避免与其他 Python 库冲突。在 Printrun 根目录下创建并激活虚拟环境:
python -m venv venv source venv/bin/activate -
安装 Printrun
激活虚拟环境后,运行以下命令安装 Printrun:
python -m pip install . -
运行 Printrun
激活虚拟环境后,运行所需的应用:
pronterface.py
1.2.2 Windows
-
安装必要的软件
-
下载源码并编译
在 CMD 或 PowerShell 中运行以下命令:
git clone https://github.com/kliment/Printrun.git cd Printrun release_windows.bat -
运行应用
编译完成后,可以在
dist目录中找到Pronterface.exe和Pronsole.exe。
2. 项目使用说明
2.1 使用 Pronterface
设置完成后,可以在解压后的目录中启动 pronterface.py。选择端口名称和波特率,点击连接。加载 STL 或 GCODE 文件后,可以直接打印或上传到 SD 卡。
2.2 使用 Pronsole
pronsole.py 是一个交互式命令行主机,支持 Tab 补全功能。
2.3 使用 Printcore
printcore.py 是一个库,使得编写 RepRap 主机变得简单。
2.4 使用 Platers
Platers 是一个帮助脚本集合,用于处理 3D 打印机的相关任务。
3. 项目 API 使用文档
3.1 printcore.py
printcore.py 提供了与 3D 打印机通信的 API,开发者可以通过该库轻松编写自定义的 3D 打印机主机。
3.2 pronsole.py
pronsole.py 提供了命令行接口,支持多种命令和 Tab 补全功能。
3.3 pronterface.py
pronterface.py 提供了图形化界面,功能与 pronsole.py 相同。
4. 项目安装方式
4.1 预编译包安装
可以从 GitHub 下载预编译的二进制包,或者通过操作系统的包管理器安装。
4.2 源码安装
通过克隆 GitHub 仓库并运行安装脚本,可以从源码安装 Printrun。
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