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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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