[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-JackHopkins--factorio-learning-environment":3,"tool-JackHopkins--factorio-learning-environment":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":78,"owner_location":79,"owner_email":80,"owner_twitter":78,"owner_website":78,"owner_url":81,"languages":82,"stars":99,"forks":100,"last_commit_at":101,"license":102,"difficulty_score":10,"env_os":103,"env_gpu":104,"env_ram":105,"env_deps":106,"category_tags":113,"github_topics":78,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":114,"updated_at":115,"faqs":116,"releases":149},3671,"JackHopkins\u002Ffactorio-learning-environment","factorio-learning-environment","A non-saturating, open-ended environment for evaluating LLMs in Factorio","factorio-learning-environment 是一个基于热门资源管理游戏《异星工厂》（Factorio）打造的开源框架，专为评估和开发大型语言模型（LLM）智能体而设计。它旨在解决当前 AI 评测基准容易“饱和”的难题，即传统测试任务过于简单，顶尖模型很快就能拿满分，从而无法区分更高阶的能力。通过提供一个开放结局、复杂度极高的游戏环境，它能持续挑战后 AGI 时代的前沿模型，测试其在长程规划、复杂逻辑推理及代码合成方面的真实水平。\n\n该工具主要面向 AI 研究人员、开发者以及对大模型能力评估感兴趣的技术团队。其核心亮点在于独特的交互机制：智能体并非通过传统的 API 调用行动，而是采用 REPL（读取 - 执行 - 打印循环）模式，直接编写并执行 Python 代码来操控游戏世界。模型通过观察代码运行的输出流来感知环境状态，再生成新的代码策略进行反馈。这种“以代码为行动”的方式，不仅高度模拟了真实软件开发场景，还让评估过程更加动态和难以穷尽。借助 Docker 和 Python 生态，用户可以轻松部署集群并运行实验，探索智能体在自动化建造与资源调度中的极限表现。","\u003Ch1 align=\"center\">Factorio Learning Environment\u003C\u002Fh1>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fjackhopkins.github.io\u002Ffactorio-learning-environment\u002Fleaderboard\">Leaderboard\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.09617\">Paper\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fjackhopkins.github.io\u002Ffactorio-learning-environment\u002Fversions\u002F0.3.0.html\">Website\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fjackhopkins.github.io\u002Ffactorio-learning-environment\u002Fsphinx\u002Fbuild\u002Fhtml\u002F\">Documentation\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FzKaV2skewa\">Discord (#factorio-learning-env)\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\nAn open source framework for developing and evaluating LLM agents in the game of \u003Ca href=\"https:\u002F\u002Ffactorio.com\u002F\">Factorio\u003C\u002Fa>.\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FJackHopkins_factorio-learning-environment_readme_5974e087f22b.webp\" width=\"485\" height=\"364\" controls\u002F>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FJackHopkins_factorio-learning-environment_readme_284dcb2f6396.webp\" width=\"485\" height=\"364\" controls\u002F>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\u003Cem>Claude Opus 4.1 Plays Factorio\u003C\u002Fem>\u003C\u002Fp>\n\n## Quick Links\n\n- [Installation](#installation)\n- [Environment](#environment)\n- [Contributing](#contributing)\n\n## Installation\n\n### Prerequisites\n\n- Docker\n- Python 3.10+\n- [Factorio](https:\u002F\u002Fwww.factorio.com\u002F) (version 2.0.73 or later), only for optional rendering.\n\n```bash\n# Core FLE SDK package\npip install factorio-learning-environment\n\n# With optional features\npip install factorio-learning-environment[eval]      # For running experiments\npip install factorio-learning-environment[mcp]       # For MCP protocol support  \npip install factorio-learning-environment[psql]      # For PostgreSQL support\npip install factorio-learning-environment[eval,mcp,psql]  # All features\n\n# Using uv (recommended)\nuv sync\n```\n\n### Quickstart\n\nUse the CLI:\n\n```bash\n# Activate venv\nsource .venv\u002Fbin\u002Factivate\n\n# Start Factorio cluster\nfle cluster start\n\n# Run evaluation trajectories (requires [eval] dependencies)\nfle eval --config configs\u002Fgym_run_config.json\n```\n\n## Environment\n\nFLE is an agent evaluation environment built on the game of Factorio, a popular resource management simulation game.\n\nAgents interact with **FLE** by code synthesis through a **REPL** (Read-Eval-Print-Loop) pattern:\n\n1. **Observation**: The agent observes the world through the output streams (stderr\u002Fstdout) of their last program.\n2. **Action**: The agent generates a Python program to perform their desired action.\n3. **Feedback**: The environment executes the program, assigns variables, add classes\u002Ffunctions to the namespace, and provides an output stream.\n\n## Contributing\n\nJoin our team and contribute to one of the AI research community's most challenging problems - building open-ended \u002F unsaturateable evals for post-AGI frontier models. If you want to contribute, please read [CONTRIBUTING.md](CONTRIBUTING.md) first.\n\n[![Ask DeepWiki](https:\u002F\u002Fdeepwiki.com\u002Fbadge.svg)](https:\u002F\u002Fdeepwiki.com\u002FJackHopkins\u002Ffactorio-learning-environment)","\u003Ch1 align=\"center\">《异星工厂》学习环境\u003C\u002Fh1>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fjackhopkins.github.io\u002Ffactorio-learning-environment\u002Fleaderboard\">排行榜\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.09617\">论文\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fjackhopkins.github.io\u002Ffactorio-learning-environment\u002Fsphinx\u002Fbuild\u002Fhtml\u002F\">文档\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FzKaV2skewa\">Discord (#factorio-learning-env)\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n一个用于在游戏《异星工厂》中开发和评估大型语言模型智能体的开源框架。\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FJackHopkins_factorio-learning-environment_readme_5974e087f22b.webp\" width=\"485\" height=\"364\" controls\u002F>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FJackHopkins_factorio-learning-environment_readme_284dcb2f6396.webp\" width=\"485\" height=\"364\" controls\u002F>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\u003Cem>Claude Opus 4.1 玩《异星工厂》\u003C\u002Fem>\u003C\u002Fp>\n\n## 快速链接\n\n- [安装](#installation)\n- [环境](#environment)\n- [贡献](#contributing)\n\n## 安装\n\n### 前置条件\n\n- Docker\n- Python 3.10+\n- 《异星工厂》（版本 2.0.73 或更高），仅用于可选的渲染功能。\n\n```bash\n# 核心 FLE SDK 包\npip install factorio-learning-environment\n\n# 带可选功能\npip install factorio-learning-environment[eval]      # 用于运行实验\npip install factorio-learning-environment[mcp]       # 用于支持 MCP 协议  \npip install factorio-learning-environment[psql]      # 用于支持 PostgreSQL\npip install factorio-learning-environment[eval,mcp,psql]  # 所有功能\n\n# 使用 uv（推荐）\nuv sync\n```\n\n### 快速入门\n\n使用命令行工具：\n\n```bash\n# 激活虚拟环境\nsource .venv\u002Fbin\u002Factivate\n\n# 启动《异星工厂》集群\nfle cluster start\n\n# 运行评估轨迹（需要 [eval] 依赖项）\nfle eval --config configs\u002Fgym_run_config.json\n```\n\n## 环境\n\nFLE 是一个基于热门资源管理模拟游戏《异星工厂》构建的智能体评估环境。\n\n智能体通过 REPL（读取-求值-打印-循环）模式进行代码合成来与 **FLE** 交互：\n\n1. **观察**：智能体通过其上一条程序的输出流（stderr\u002Fstdout）观察世界。\n2. **行动**：智能体生成一段 Python 程序以执行其期望的操作。\n3. **反馈**：环境会执行该程序，为变量赋值、向命名空间添加类或函数，并提供输出流。\n\n## 贡献\n\n加入我们的团队，共同应对人工智能研究社区中最具挑战性的课题之一——为后 AGI 时代的前沿模型构建开放且不可饱和的评估基准。如果您有意贡献，请先阅读 [CONTRIBUTING.md](CONTRIBUTING.md)。\n\n[![Ask DeepWiki](https:\u002F\u002Fdeepwiki.com\u002Fbadge.svg)](https:\u002F\u002Fdeepwiki.com\u002FJackHopkins\u002Ffactorio-learning-environment)","# Factorio Learning Environment 快速上手指南\n\nFactorio Learning Environment (FLE) 是一个开源框架，专为在《异星工厂》(Factorio) 游戏中开发和评估大语言模型 (LLM) 智能体而设计。智能体通过编写 Python 代码与游戏环境交互。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：支持 Docker 的系统 (Linux, macOS, Windows with WSL2)\n*   **Docker**：必须安装并正在运行\n*   **Python**：版本 3.10 或更高\n*   **Factorio 游戏** (可选)：仅当您需要可视化渲染时才需要安装 (版本需为 2.0.73 或更高)\n\n## 安装步骤\n\n### 1. 安装核心包\n\n您可以使用 `pip` 或推荐的 `uv` 工具进行安装。\n\n**使用 pip 安装：**\n\n```bash\n# 安装核心 SDK\npip install factorio-learning-environment\n\n# 按需安装额外功能\npip install factorio-learning-environment[eval]      # 用于运行实验评估\npip install factorio-learning-environment[mcp]       # 用于支持 MCP 协议\npip install factorio-learning-environment[psql]      # 用于支持 PostgreSQL\npip install factorio-learning-environment[eval,mcp,psql]  # 安装所有功能\n```\n\n> **国内加速提示**：如果下载速度较慢，建议使用国内镜像源：\n> `pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple factorio-learning-environment`\n\n**使用 uv 安装 (推荐)：**\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment.git\ncd factorio-learning-environment\nuv sync\n```\n\n## 基本使用\n\n安装完成后，您可以通过命令行界面 (CLI) 快速启动环境并运行评估。\n\n### 1. 激活虚拟环境\n\n如果您使用了 `uv` 或创建了独立的 venv，请先激活它：\n\n```bash\nsource .venv\u002Fbin\u002Factivate\n```\n*(Windows 用户请使用 `.venv\\Scripts\\activate`)*\n\n### 2. 启动 Factorio 集群\n\n运行以下命令启动底层的 Factorio 服务器集群：\n\n```bash\nfle cluster start\n```\n\n### 3. 运行评估任务\n\n启动集群后，您可以加载配置文件来运行智能体评估轨迹（需已安装 `[eval] 依赖）：\n\n```bash\nfle eval --config configs\u002Fgym_run_config.json\n```\n\n### 工作原理简述\n\nFLE 采用 **REPL** (读取 - 执行 - 打印循环) 模式让智能体通过代码合成与游戏交互：\n1.  **观察**：智能体通过上一次程序运行的输出流 (stderr\u002Fstdout) 感知游戏世界状态。\n2.  **行动**：智能体生成一段 Python 代码来执行期望的操作。\n3.  **反馈**：环境执行该代码，更新命名空间中的变量\u002F类\u002F函数，并将执行结果返回给智能体。","某 AI 实验室的研究团队正在评估最新大语言模型在复杂长程规划与代码合成方面的真实能力，试图突破传统静态基准测试的局限。\n\n### 没有 factorio-learning-environment 时\n- **评估场景过于饱和**：传统的编程或数学题库容易被模型“刷分”或记忆，无法区分模型是真正具备推理能力还是仅仅背下了答案。\n- **缺乏长程反馈机制**：现有环境难以模拟需要数小时甚至数天连续决策才能看到结果的复杂任务，无法测试模型的长期规划稳定性。\n- **交互方式单一僵化**：大多评测仅支持简单的文本问答或固定 API 调用，无法验证模型编写、调试并执行完整 Python 脚本以解决动态问题的能力。\n- **开源复现成本高**：构建一个类似《异星工厂》这样拥有复杂资源依赖和物理规则的可编程沙盒环境，需要耗费大量工程人力从头开发。\n\n### 使用 factorio-learning-environment 后\n- **提供无限开放场景**：利用游戏非饱和的特性，生成源源不断的新挑战，确保即使是最先进的模型也无法通过记忆作弊，真实反映其泛化水平。\n- **实现长程闭环验证**：模型必须通过 REPL 模式持续编写代码来管理资源、建造工厂，任何短期错误都会导致后续生产链断裂，精准暴露规划缺陷。\n- **支持代码合成交互**：智能体直接输出 Python 程序与环境互动，系统自动执行并返回标准输出流，完美模拟真实的“观察 - 编码 - 反馈”开发流程。\n- **开箱即用的评估框架**：团队只需安装 SDK 并配置 Docker，即可立即在标准化的《异星工厂》集群中运行实验，大幅降低前沿模型评测的门槛。\n\nfactorio-learning-environment 将复杂的工业模拟游戏转化为可量化的 AI 试金石，为评估后 AGI 时代模型的自主规划与代码落地能力提供了目前最严苛且真实的开放赛场。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FJackHopkins_factorio-learning-environment_75494235.png","JackHopkins","Jack Hopkins ","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FJackHopkins_9e197fa6.jpg",null,"London","jack.hopkins@me.com","https:\u002F\u002Fgithub.com\u002FJackHopkins",[83,87,91,95],{"name":84,"color":85,"percentage":86},"Python","#3572A5",97.1,{"name":88,"color":89,"percentage":90},"Lua","#000080",2.5,{"name":92,"color":93,"percentage":94},"Shell","#89e051",0.3,{"name":96,"color":97,"percentage":98},"Jinja","#a52a22",0.1,949,73,"2026-04-05T04:16:26","NOASSERTION","未说明 (基于 Docker，通常支持 Linux\u002FmacOS\u002FWindows)","未说明 (仅在游戏渲染为可选项时可能需要，非运行环境必需)","未说明",{"notes":107,"python":108,"dependencies":109},"必须安装 Docker。核心功能通过 pip 安装 'factorio-learning-environment' 即可使用。若需运行实验、MCP 协议支持或 PostgreSQL 支持，需分别安装 [eval]、[mcp]、[psql] 可选依赖。推荐使用 'uv' 工具进行环境同步。游戏本体 (Factorio) 仅在需要可视化渲染时才必须安装。","3.10+",[110,111,112],"Docker","factorio-learning-environment (核心 SDK)","Factorio (版本 2.0.73 或更高，仅用于可选渲染)",[26,15,54],"2026-03-27T02:49:30.150509","2026-04-06T05:27:07.894169",[117,122,126,131,135,140,144],{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},16816,"Quickstart 指南中的运行命令报错找不到模块，应该如何正确运行项目？","README 中的路径可能导致模块导入错误。建议创建一个根目录下的 `\u002Frun.py` 启动脚本，手动将 `env\u002Fsrc` 和根目录添加到 `sys.path` 中，然后调用主程序。具体代码如下：\n\n```python3\n#!\u002Fusr\u002Fbin\u002Fenv python3\nimport os\nimport sys\nimport asyncio\n\nroot_dir = os.path.dirname(os.path.abspath(__file__))\nenv_src_dir = os.path.join(root_dir, 'env', 'src')\n\nif root_dir not in sys.path:\n    sys.path.insert(0, root_dir)\nif env_src_dir not in sys.path:\n    sys.path.insert(0, env_src_dir)\n\nfrom eval.open.independent_runs.run import main\n\nif __name__ == \"__main__\":\n    asyncio.run(main())\n```\n此外，如果报错与分数工具（score tool）相关，请检查服务器是否已正确激活。","https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fissues\u002F208",{"id":123,"question_zh":124,"answer_zh":125,"source_url":121},16817,"在 Mac M1 芯片上运行时遇到模组不同步（mod desynch）或连接问题怎么办？","这是由于 Mac M1 使用 Rosetta 转译与仅支持 amd64 架构的无头 Linux 服务器交互时产生的兼容性问题。解决方案有两种：\n1. 使用单独的虚拟机（VM）作为无头服务器来绕过架构限制。\n2. 尝试使用替代的构建脚本 `alternative_script.sh`（部分用户反馈有效）。\n如果客户端无法跟上服务器速度或反之，通常是由该架构不匹配引起的。",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},16818,"必须配置 Postgres 数据库才能运行吗？有没有更简单的默认方案？","不需要强制配置 Postgres。项目已经包含 SQLite 的实现和支持。为了简化新用户的上手难度，可以将 SQLite 设置为默认数据库，并使用提供的脚本轻松设置，无需单独部署数据库服务。请查阅 README 中关于 SQLite 配置的说明。","https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fissues\u002F210",{"id":132,"question_zh":133,"answer_zh":134,"source_url":121},16819,"安装依赖时提示缺少 `psycopg2` 或 `lupa` 等包，如何处理？","除了执行 `pip install -e .` 外，可能还需要手动安装特定依赖。建议依次执行以下命令：\n1. `pip install psycopg2 lupa`\n2. `pip install -r .\u002Fenv\u002Fsrc\u002Frequirements.txt`\n这是因为部分依赖未在主安装脚本中自动包含，手动安装可解决缺失问题。",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},16820,"如何快速启动和停止用于运行的 Docker 容器？","可以使用项目自带的脚本 `fle\u002Fcluster\u002Flocal\u002Frun-envs.sh` 来管理环境。为了进一步简化流程，建议先将构建好的镜像推送到 Docker Hub，这样用户无需本地执行 `docker build`，直接拉取镜像并运行脚本即可。未来计划增加一个集群 CLI 包装器入口点来更方便地启停容器。","https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fissues\u002F229",{"id":141,"question_zh":142,"answer_zh":143,"source_url":139},16821,"项目目录结构重构后，`utils` 文件夹和各类工具文件的新位置在哪里？","根据重构提案，目录结构发生了以下变化以简化导入：\n- 原 `utils\u002F` 文件夹已被移除，相关内容移至 `llm\u002F` 目录。\n- `utils\u002Fllm_factory.py` 重命名为 `llm\u002Fapi_factory.py`。\n- `utils\u002Fllm_utils.py` 变为 `llm\u002Futils.py`。\n- 解析相关文件合并为 `llm\u002Fparsing.py`。\n- 格式化程序（formatters）移至 `agents\u002Fformatters`。\n- 通用模型移至 `common\u002Fmodels.py`。\n- 具体的 Agent 实现示例移至 `examples\u002F` 文件夹。",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},16822,"如何在同一服务器中支持多个智能体（Multi-Agent）共存？","目前通过 `LuaPlayer` 类管理玩家实例。由于单个账户许可证在每个服务器上只能创建一个玩家，若要实现多智能体实验，通常需要拥有额外的许可证池以便创建多个玩家实例加入同一服务器。\n代码层面需要修改 `FactorioInstance` 初始化逻辑，使其能够映射多个玩家变量（不再局限于 `PLAYER = 1`），并在所有 Python API 命令中传递玩家索引，因为底层的 Lua 脚本普遍依赖玩家索引来区分操作主体。","https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fissues\u002F152",[150,155,160,165,170,175],{"id":151,"version":152,"summary_zh":153,"released_at":154},99072,"v0.4.1","## 已修复\n\n**关键方向系统热修复**\n\n此热修复解决了 v0.4.0 中引入的方向相关测试失败问题。该问题是由 PR #359 中添加的错误除以 2 的转换逻辑导致的。\n\n- **问题**：PR #359 添加了方向转换逻辑，假设 Python 的 Direction 枚举使用值 (0,2,4,6)，但实际上它使用的是 Factorio 2.0 的原生值 (0,4,8,12)。这导致方向值被错误地转换（例如，LEFT=12 被误转为 6=DOWNRIGHT）。\n\n- **解决方案**：移除了所有除以 2 的转换逻辑：\n  - 简化了 `serialize_direction_fix.lua`，使其直接传递 Factorio 2.0 的原生值而不做任何修改。\n  - 移除了 `controller.py` 中用于 Python 端的回退逻辑，该逻辑会将方向值除以 2。\n  - 现在方向值能够正确流转：Factorio (0,4,8,12) → Python Direction 枚举 (0,4,8,12)。\n\n- **修复的测试**：\n  - 所有放置方向测试现已通过。\n  - 所有 9 个旋转测试现已通过。\n  - 修复了 v0.4.0 中约 20 个与方向相关的测试失败。\n\n**用户应立即从 v0.4.0 升级到 v0.4.1**，以获得正确的实体放置和旋转方向处理。","2026-03-27T23:41:31",{"id":156,"version":157,"summary_zh":158,"released_at":159},99071,"v0.4.2","## 新增\n\n**实验室实体观测测试覆盖率全面提升**\n\n在 `get_entities()` API 中为实验室实体的观测功能新增了全面的测试覆盖，以确保实验室在所有场景下都能被完全观测到。\n\n### 新增测试\n\n- 2 个新的测试函数（`test_get_lab` 和 `test_get_lab_edge_cases`），共包含 13 种不同的测试用例：\n  - 刚放置的空实验室\n  - 已放入科学包但未通电的实验室\n  - 已接通电源的实验室\n  - 多个实验室\n  - 混合实体查询中的实验室\n  - 带有位置\u002F半径筛选的实验室\n  - 库存为空或满的实验室\n  - 刚放置后立即查询的实验室\n  - 位于较远距离的实验室\n\n### 测试覆盖率提升\n\n- `test_get_entities.py` 中的全部 20 个测试用例现已全部通过\n- 验证了在所有场景下，玩家势力范围内的实验室都能被完全观测到\n- 确认势力过滤功能按设计正常工作（敌对或中立势力的实验室不可见）\n\n### 调查结果\n\n本次发布新增了回归测试，这些测试基于一次全面的调查得出，调查结果确认：\n- 实验室在玩家势力范围内可通过 `get_entities()` API **完全观测到**\n- 唯一不会显示实验室的情况是当实验室位于其他势力（敌对或中立）时，而这正是 **有意为之的安全设计**（由 `get_entities\u002Fserver.lua` 中的势力过滤逻辑实现）\n- 实验室观测功能不存在任何 bug\n\n### 完整变更日志\n\n完整详情请参阅 [CHANGELOG.md](https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fblob\u002Fmain\u002FCHANGELOG.md)。","2026-03-27T23:42:58",{"id":161,"version":162,"summary_zh":163,"released_at":164},99073,"v0.4.0","# Factorio 2.0 迁移\n\n这是一个重大版本，将 FLE 从 Factorio 1.1.110 迁移到 **Factorio 2.0.73**，解决了所有破坏性 API 变更，并确保与最新版 Factorio 的完全兼容。此版本对约 180 个文件进行了全面更新，测试覆盖率更高，可靠性也得到了提升。\n\n## 亮点\n\n- 在 Factorio 2.0.73 上通过了 **385+ 项测试**\n- **Docker 镜像**已更新至 `factoriotools\u002Ffactorio:2.0.73`\n- 解决了 Lua 和 Python 中的 **13 处破坏性 API 变更**\n- 新增了用于不变量、渲染和实体行为的 **测试套件**\n- 通过自动重连功能提升了 **RCON 的可靠性**\n\n## 破坏性变更\n\n**现需使用 Factorio 2.0.73 或更高版本**（之前为 1.1.110）\n\n主要破坏性变更：\n- 方向系统已更新为 Factorio 2.0 的 16 方向制（包含自动转换层）\n- 插取器类型发生变化：移除了 `filter-inserter`，用 `bulk-inserter` 替代堆叠式插取器\n- 桶配方名称由 `fill-X-barrel` 改为 `X-barrel`\n- 物品栏 API 现在返回 `{name, count}` 数组，而非字典\n- 所有 Lua 代码均使用 `storage.*` 而非 `global.*`\n\n完整的迁移指南及详细信息，请参阅 [完整 CHANGELOG](https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fblob\u002Fmain\u002FCHANGELOG.md)。\n\n## 安装\n\n```bash\n# 推荐使用 uv 安装\nuv pip install factorio-learning-environment\n\n# 或使用 pip\npip install --upgrade factorio-learning-environment\n\n# 带可选功能\nuv pip install factorio-learning-environment[eval,mcp,psql]\n```\n\n## 快速入门\n\n```bash\n# 启动 Factorio 集群\nfle cluster start -n 4\n\n# 运行 Inspect AI 评估任务\nfle eval --config configs\u002Fgym_run_config.json\n\n# 或运行特定任务\ninspect eval fle\u002Feval\u002Finspect_integration\u002Feval_set.py\n```\n\n## 测试覆盖率\n\n- `tests\u002Factions\u002F` 中的 **205\u002F205 项测试** 通过\n- `tests\u002Fconnect\u002F` 中的 **83\u002F83 项测试** 通过\n- `tests\u002Frender\u002F` 中的 **62\u002F62 项测试** 通过\n- `tests\u002Ffunctional\u002F` 中的 **35\u002F35 项测试** 通过\n- `tests\u002Fentities\u002F`、`tests\u002Fstatus\u002F`、`tests\u002Fbenchmarks\u002F` 和 `tests\u002Fgym_env\u002F` 中的所有测试均已通过\n\n## 社区贡献\n\n特别感谢 [@Mutdogus](https:\u002F\u002Fgithub.com\u002FMutdogus) 的贡献：\n- PR #357：支持 AST 测试夹具环境变量\n- PR #358：清理重复依赖\n- PR #359：方向序列化转换层\n\n## 链接\n\n- **完整 PR**：[#355 - 升级到 Factorio 2.0](https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F355)\n- **文档**：https:\u002F\u002Fjackhopkins.github.io\u002Ffactorio-learning-environment\u002F\n- **Discord**：https:\u002F\u002Fdiscord.gg\u002FzKaV2skewa","2026-03-27T19:42:14",{"id":166,"version":167,"summary_zh":168,"released_at":169},99074,"v0.3.0","## 变更内容\n* 重构，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F274 中完成\n* Pydantic 版本升级，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F255 中完成\n* 实验室游玩任务定义，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F276 中完成\n* 系统提示词，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F277 中完成\n* 运行器，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F283 中完成\n* 排行榜，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F266 中完成\n* 修复：在 README.md 中将资源补丁的资源类型改为 Resource.IronOre，由 @YasamanAnsari 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F287 中完成\n* 修复排行榜剩余问题，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F289 中完成\n* pyproject.toml 和 README 的简化，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F263 中完成\n* 通过环境变量为 gym 接口添加外部服务器支持，由 @YasamanAnsari 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F293 中完成\n* 多智能体 gym 环境及少量修复，由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F299 中完成\n* 轨迹运行器迭代 1 中的错误：“dict”对象没有属性“__dict__”，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F300 中完成\n* gym 移植，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F298 中完成\n* 挑选提交，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F303 中完成\n* 将 speed 改为 set_speed，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F304 中完成\n* 从系统提示词中移除重复内容，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F294 中完成\n* 使用 npx prettier 格式化代码，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F285 中完成\n* 运行器依赖项，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F310 中完成\n* Lua 错误修复，由 @hrshtt 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F309 中完成\n* 删除冗余的 validate_run 函数，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F314 中完成\n* 删除 exit_on_task_success 参数，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F313 中完成\n* llm_factory，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F290 中完成\n* 重构：简化 gym 环境注册表，由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F301 中完成\n* 加快 CI\u002FCD 流程，由 @hrshtt 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F311 中完成\n* 简单保存功能，由 @hrshtt 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F318 中完成\n* 观测值修复，由 @hrshtt 在 https:\u002F\u002Fgithub.co","2025-10-03T19:11:59",{"id":171,"version":172,"summary_zh":173,"released_at":174},99075,"v0.2.2","## 变更内容\n* 由 @JackHopkins 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F182 中修复了图片链接\n* 由 @JackHopkins 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F183 中修复了图片链接\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F184 中进行了 v0.2 版本前的最终调整\n* 由 @MartBakler 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F185 中更新了文档\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F186 中更新了多智能体相关的 README\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F187 中贡献了代码\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F188 中修复并移除了重复的安装文档\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F189 中更新了 pyproject.toml 文件\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F192 中将多智能体实验相关内容移至 README\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F193 中改进了环境容器管理\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F198 中实现了 A2A 功能——服务器、智能体卡片、发现机制及消息传递\n* 由 @MartBakler 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F213 中从默认任务中移除了多智能体相关任务字符串\n* 由 @hrshtt 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F218 中修复了检查玩家是否存在以连接服务器的问题\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F207 中添加了计时指标和跟踪器\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F226 中修复了 UV 问题 #222\n* 由 @hrshtt 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F219 中设定了 SQLite 数据库的默认配置\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F221 中标准化了设置说明 #194\n* 快速入门似乎无法正常工作。由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F228 中报告了问题 #208\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F234 中添加了 Deepwiki 按钮\n* 由 @MortenTobiasNielsen 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F238 中将 timing_metrics_json 添加到数据库表创建中，以防止应用程序崩溃\n* 由 @kantneel 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F220 中实现了 OpenAI Gym 环境\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F239 中修复了两个失败的测试\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F237 中简化了依赖项\n* 由 @kiankyars 在 https:\u002F\u002Fgithub.com\u002FJackHopkins\u002Ffactorio-learning-environment\u002Fpull\u002F233 中处理了问题 #215\n* 按照讨论结果，添加了用于测试睡眠的更改，以使其正常工作","2025-07-09T18:50:10",{"id":176,"version":177,"summary_zh":78,"released_at":178},99076,"0.2.0","2025-05-08T14:30:11"]