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。
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
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
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