SuperMarioOdysseyOnline 项目下载及安装教程
1. 项目介绍
SuperMarioOdysseyOnline 是一个为任天堂 Switch 游戏《超级马里奥奥德赛》开发的在线多人游戏模组。该模组允许玩家与朋友一起探索游戏中的各个王国,进行多人游戏模式,或者一起挑战游戏的最高难度。目前,该项目仍处于早期开发阶段,因此可能会遇到一些 bug 和不完善的地方,开发团队正在努力改进和完善这个模组。
2. 项目下载位置
要下载 SuperMarioOdysseyOnline 项目,请访问项目的 GitHub 仓库。你可以通过以下步骤进行下载:
-
打开终端或命令行工具。
-
使用
git clone命令下载项目:git clone https://github.com/CraftyBoss/SuperMarioOdysseyOnline.git这将把项目文件下载到你的本地计算机上。
3. 项目安装环境配置
在安装 SuperMarioOdysseyOnline 之前,你需要配置一些开发环境。以下是所需的软件和工具:
- devkitPro: 用于编译 Switch 游戏的开发工具链。
- Python 3: 用于运行一些脚本。
- Keystone-Engine Python 模块: 用于反汇编和汇编代码。
3.1 安装 devkitPro
首先,你需要安装 devkitPro。你可以通过以下命令在 Ubuntu 系统上安装 devkitPro:
sudo apt-get install devkitpro-pacman
sudo dkp-pacman -S switch-dev
3.2 安装 Python 3 和 Keystone-Engine
确保你已经安装了 Python 3,然后安装 Keystone-Engine 模块:
pip install keystone-engine
3.3 环境配置示例
以下是一个简单的环境配置示例:

4. 项目安装方式
在配置好开发环境后,你可以按照以下步骤安装 SuperMarioOdysseyOnline:
-
进入项目目录:
cd SuperMarioOdysseyOnline -
使用
make命令编译项目:DEVKITPRO=[path_to_devkitpro] make在 Ubuntu 系统上,
devkitPro通常安装在/opt/devkitpro/目录下,因此你可以使用以下命令:DEVKITPRO=/opt/devkitpro/ make -
编译完成后,将生成的
atmosphere文件夹复制到你的 Switch 的 SD 卡根目录中。
5. 项目处理脚本
SuperMarioOdysseyOnline 项目包含一些处理脚本,用于自动化一些任务。以下是一些常用的脚本:
- docker-build.sh: 用于在 Docker 环境中构建项目。
- Makefile: 用于编译项目的 Makefile 脚本。
你可以通过以下命令运行这些脚本:
./docker-build.sh
或者直接使用 make 命令编译项目。
通过以上步骤,你应该能够成功下载、配置和安装 SuperMarioOdysseyOnline 项目。如果在安装过程中遇到任何问题,可以参考项目的官方文档或访问项目的 Discord 服务器寻求帮助。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0119- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00