[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-idmillington--aicore":3,"tool-idmillington--aicore":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},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。",84991,2,"2026-04-05T10:45:23",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},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。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[19,13,20,18],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,1,"2026-04-03T21:50:24",[20,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},2234,"scikit-learn","scikit-learn\u002Fscikit-learn","scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。\n\n对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。\n\n其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最",65628,"2026-04-05T10:10:46",[20,18,14],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":10,"last_commit_at":63,"category_tags":64,"status":22},3364,"keras","keras-team\u002Fkeras","Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。\n\n无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。\n\nKeras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。",63927,"2026-04-04T15:24:37",[20,14,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":79,"owner_website":79,"owner_url":83,"languages":84,"stars":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":104,"env_os":105,"env_gpu":106,"env_ram":107,"env_deps":108,"category_tags":118,"github_topics":79,"view_count":29,"oss_zip_url":79,"oss_zip_packed_at":79,"status":22,"created_at":119,"updated_at":120,"faqs":121,"releases":122},3891,"idmillington\u002Faicore","aicore","Now obsolete code accompanying the first (2005) edition of the book \"Artificial Intelligence for Games\"","aicore 是经典教材《游戏人工智能》（第一版，2005 年出版）的配套开源代码库，主要记录了 2002 至 2004 年间游戏 AI 的基础实现方案。它旨在为开发者提供一套可运行的参考示例，涵盖了当时主流的游戏人工智能算法，帮助读者将书中的理论转化为实际代码，解决早期游戏开发中行为逻辑构建的难题。\n\n作为一段具有历史价值的代码，aicore 采用了高度模块化的设计，核心引擎被封装为静态链接库，并提供了基于 SCons、CMake 及 Visual Studio 的跨平台构建支持。其源码注释详尽，且支持通过 Doxygen 生成完整的 API 文档，便于深入研读。不过需要注意的是，由于该库已十余年未更新，未包含后续算法改进或勘误内容，官方也明确建议将其视为“历史 curiosities\"而非现代生产环境的首选方案。\n\naicore 最适合对游戏 AI 发展史感兴趣的研究人员、希望对比算法演进的教育者，以及需要参考旧式架构实现的资深开发者。对于寻求最新技术栈的普通用户或现代项目团队，更推荐参考该书第三版中语言无关的最新伪代码列表。","# About This Repository\r\n\r\nThis repository should now be considered a historical curiosity only.\r\n\r\nThe original version of this code was developed between 2002-2004 and included free with the book \"Artificial Intelligence for Games\". Over the intervening years, the code has become a less useful reference. The third edition of the textbook is considerably larger, and this code did not keep up with errata or improvements in the algorithms. I have not use the code in this repository for my consulting work in over a decade.\r\n\r\nThe third edition of the textbook does not mention this code, but includes considerably expanded and corrected listings in the text in a language neutral format. I would recommend that version.\r\n\r\n\r\n---\r\n\r\n# Historical Information\r\n\r\nThe Artificial Intelligence for Games system.\r\n\r\nCopyright (c) Ian Millington 2003-2009. All Rights Reserved.\r\n\r\nThis software is distributed under licence. Use of this software\r\nimplies agreement with all terms and conditions of the accompanying\r\nsoftware licence.\r\n\r\nThis code also contains portions of the AI Core engine.\r\n\r\nCopyright (c) Icosagon Limited 2003-2007. All Rights Reserved.\r\n\r\nPlease see accompanying LICENSE file.\r\n\r\n\r\n\r\nInstallation\r\n============\r\n\r\nThe code can be extracted to any directory.\r\n\r\n\r\nPlatform Compatibility\r\n======================\r\n\r\nThe software has been designed for platform indepedence as much as\r\npossible. The only file that may need altering for your platform is\r\n.\u002Fsrc\u002Ftiming.cpp which currently wraps the windows multimedia timer.\r\n\r\n\r\nBuilding\r\n========\r\n\r\nBuilding with Scons\r\n-------------------\r\n\r\nThe code can be built using SCONS, available from\r\nhttp:\u002F\u002Fwww.scons.org\u002F. Simply cd (change directory) into the build\r\ndirectory and type scons.\r\n\r\n> cd build\r\n> scons\r\n\r\nTo remove intermediate files after building (but leaving the library\r\nand demos):\r\n\r\n> scons -c ..\u002Fsrc\r\n\r\n\r\nBuilding with Microsoft Visual Studio 8 Professional\r\n----------------------------------------------------\r\n\r\nSolution and project files are included for use with Microsoft visual\r\nstudio 8 professional. They may also work with Express edition, but\r\nI've not tested that.\r\n\r\n\r\nBuilding with CMake on Linux\r\n----------------------------\r\n\r\nThe code can be built on Linux (and possibly on other platforms)\r\nusing CMake:\r\n\r\n  cd build\r\n  cmake .\r\n  make\r\n\r\nDocumentation\r\n-------------\r\n\r\nTo build the documentation (see below) you must have doxygen\r\ninstalled (it is available from http:\u002F\u002Fwww.stack.nl\u002F~dimitri\u002Fdoxygen\u002F\r\nSimply cd into the .\u002Fdoc\u002Fbuild\u002Fdoxygen directory, then type:\r\n\r\n> doxygen aicore.config\r\n\r\nto build the documentation.\r\n\r\n\r\nLayout\r\n======\r\n\r\nThe build process creates a statically linked library in .\u002Flib which\r\ncan be used with the include headers in .\u002Finclude. The demo programs\r\nare built and placed in the .\u002Fbin directory.\r\n\r\nSource code is contained in the .\u002Fsrc directory, and documentation\r\nis in the .\u002Fdoc directory, in particular the reference documentation\r\nis in the .\u002Fdoc\u002Fref directory.\r\n\r\n\r\nDocumentation\r\n=============\r\n\r\nThe source code is heavily documented, and the contents correspond to\r\nthe discussion in the \"Artificial Intelligence for Games\" book.\r\n\r\nIt is possible to create 'doxygen' documentation with the tags in the\r\nsource code files, and a configuration for building the documentation\r\nis provided in the .\u002Fdoc\u002Fbuild\u002Fdoxygen directory. The doxygen\r\nconfiguration supplied provides only html output, since other output\r\nformats depend on how your machine is configured.\r\n\r\nThis is not currently targeted from the scons configuration, because\r\nscons suport for doxygen depends on where doxygen is installed on your\r\nmachine.\r\n\r\n\r\nDemos\r\n=====\r\n\r\nTo run the demos you will require OpenGL and GLUT installed on your\r\nmachine, and the relevant DLLs or shared objects on the path.\r\n\r\n","# 关于本仓库\n\n本仓库如今仅可视为一种历史性的参考资料。\n\n该代码的原始版本开发于2002年至2004年间，并随书籍《游戏人工智能》免费附赠。然而，经过多年的发展，这段代码已逐渐失去了作为参考的价值。目前，该教材的第三版篇幅大幅增加，而本仓库中的代码并未及时更新以反映书中的勘误或算法改进。在过去十多年里，我从未在自己的咨询工作中使用过本仓库中的代码。\n\n第三版教材并未提及本仓库中的代码，而是以语言无关的格式，在正文中提供了更为详尽且经过修正的代码清单。我推荐读者参考该版本。\n\n\n---\n\n# 历史信息\n\n游戏人工智能系统。\n\n版权所有 © 伊恩·米灵顿 2003–2009。保留所有权利。\n\n本软件根据许可协议分发。使用本软件即表示您同意随附软件许可协议中的所有条款和条件。\n\n本代码还包含 AI Core 引擎的部分内容。\n\n版权所有 © Icosagon Limited 2003–2007。保留所有权利。\n\n请参阅随附的 LICENSE 文件。\n\n\n\n安装\n====\n\n可以将代码解压到任意目录中。\n\n\n平台兼容性\n==========\n\n本软件在设计时尽可能地实现了平台无关性。对于您的平台，可能需要修改的唯一文件是 .\u002Fsrc\u002Ftiming.cpp，该文件当前封装了 Windows 多媒体定时器。\n\n\n构建\n====\n\n使用 SCons 构建\n-----------------\n\n可以使用 SCONS 构建代码，SCons 可从 http:\u002F\u002Fwww.scons.org\u002F 下载。只需切换到 build 目录并运行 scons 即可。\n\n> cd build\n> scons\n\n构建完成后，若要清除中间文件（但保留库和示例程序）：\n\n> scons -c ..\u002Fsrc\n\n\n使用 Microsoft Visual Studio 8 Professional 构建\n----------------------------------------------------\n\n随附了适用于 Microsoft Visual Studio 8 Professional 的解决方案文件和项目文件。这些文件也可能适用于 Express 版本，但我尚未进行测试。\n\n\n使用 CMake 在 Linux 上构建\n---------------------------\n\n可以在 Linux（以及可能其他平台）上使用 CMake 构建代码：\n\n  cd build\n  cmake .\n  make\n\n\n文档\n----\n\n要构建文档（见下文），您必须先安装 Doxygen（可从 http:\u002F\u002Fwww.stack.nl\u002F~dimitri\u002Fdoxygen\u002F 获取）。只需切换到 .\u002Fdoc\u002Fbuild\u002Fdoxygen 目录，然后输入以下命令即可生成文档：\n\n> doxygen aicore.config\n\n\n目录结构\n========\n\n构建过程会在 .\u002Flib 目录下生成一个静态链接库，并可与 .\u002Finclude 目录中的头文件一起使用。示例程序会被编译并放置在 .\u002Fbin 目录中。\n\n源代码位于 .\u002Fsrc 目录，文档则位于 .\u002Fdoc 目录中，其中参考文档存放在 .\u002Fdoc\u002Fref 目录内。\n\n\n文档\n====\n\n源代码具有详尽的注释，其内容与《游戏人工智能》一书中的讨论相对应。\n\n利用源代码文件中的标签，可以生成 Doxygen 文档；.\u002Fdoc\u002Fbuild\u002Fdoxygen 目录中提供了用于构建文档的配置文件。所提供的 Doxygen 配置仅生成 HTML 格式输出，因为其他格式的输出取决于您机器的具体配置。\n\n目前，此功能并未集成到 SCons 配置中，因为 SCons 对 Doxygen 的支持依赖于 Doxygen 在您机器上的安装位置。\n\n\n示例程序\n========\n\n要运行示例程序，您的机器上需要安装 OpenGL 和 GLUT，并确保相关的 DLL 或共享对象位于系统的路径中。","# aicore 快速上手指南\n\n> **⚠️ 重要提示**：本仓库代码主要作为历史参考（源自 2002-2004 年的《Artificial Intelligence for Games》一书配套代码）。作者已十余年未在咨询工作中使用此代码，且未跟进后续算法改进。如需用于现代生产环境，强烈建议参考该书第三版中提供的语言无关的最新代码列表。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：支持 Windows 或 Linux（代码设计为平台无关，但部分计时文件可能需要针对特定平台调整）。\n*   **构建工具**（任选其一）：\n    *   **SCons** (推荐): 需安装 SCons ([官网](http:\u002F\u002Fwww.scons.org\u002F))。\n    *   **CMake + Make**: 适用于 Linux 环境。\n    *   **Microsoft Visual Studio 8**: 适用于 Windows (专业版或可能兼容 Express 版)。\n*   **运行依赖**（仅运行演示程序时需要）：\n    *   OpenGL\n    *   GLUT (需确保相关 DLL 或共享库在系统路径中)\n*   **文档生成**（可选）：\n    *   Doxygen ([官网](http:\u002F\u002Fwww.stack.nl\u002F~dimitri\u002Fdoxygen\u002F))\n\n## 安装步骤\n\n本工具无需复杂安装，只需将代码解压至任意目录即可。以下是基于不同构建系统的编译命令：\n\n### 方案 A：使用 SCons (跨平台推荐)\n\n```bash\ncd build\nscons\n```\n\n*清理中间文件（保留库和演示程序）：*\n```bash\nscons -c ..\u002Fsrc\n```\n\n### 方案 B：使用 CMake (Linux 环境)\n\n```bash\ncd build\ncmake .\nmake\n```\n\n### 方案 C：使用 Visual Studio\n\n直接打开项目中包含的 Solution 和 Project 文件进行编译（适用于 Microsoft Visual Studio 8 Professional）。\n\n### 生成文档 (可选)\n\n若已安装 Doxygen，可生成 HTML 格式的开发文档：\n\n```bash\ncd .\u002Fdoc\u002Fbuild\u002Fdoxygen\ndoxygen aicore.config\n```\n\n## 基本使用\n\n编译完成后，生成的文件结构如下：\n\n*   **静态链接库**：位于 `.\u002Flib` 目录。\n*   **头文件**：位于 `.\u002Finclude` 目录，供您的项目引用。\n*   **演示程序**：编译后的可执行文件位于 `.\u002Fbin` 目录。\n\n### 运行演示程序\n\n进入 `.\u002Fbin` 目录，直接运行生成的演示程序可观察 AI 效果（需确保已安装 OpenGL 和 GLUT）：\n\n```bash\ncd ..\u002Fbin\n# 根据实际生成的文件名运行，例如：\n.\u002Fdemo_name\n```\n\n### 集成到您的项目\n\n在您的 C++ 项目中，包含头文件并链接静态库即可使用核心功能：\n\n```cpp\n#include \u003Caicore\u002Fheader_name.h> \u002F\u002F 替换为具体需要的头文件\n\nint main() {\n    \u002F\u002F 调用 aicore 提供的 AI 算法\n    return 0;\n}\n```\n\n*注：源代码位于 `.\u002Fsrc`，详细的技术参考文档位于 `.\u002Fdoc\u002Fref`。由于代码较旧，建议结合《Artificial Intelligence for Games》原著内容进行理解。*","2003 年，一家初创游戏工作室正在开发首款 3D 策略游戏，急需为 NPC 实现基础的路径规划与状态行为逻辑。\n\n### 没有 aicore 时\n- 程序员需从零手写状态机代码，导致逻辑耦合严重，后期添加新行为时极易引发崩溃。\n- 缺乏统一的路径搜索算法参考，团队花费数周调试 A* 算法的启发式函数，效率低下且效果不稳定。\n- 不同模块间的数据结构定义混乱，碰撞检测与移动逻辑无法复用，造成了大量的重复造轮子。\n- 新人入职后难以理解分散在各处的 AI 逻辑，缺乏标准文档指引，培训周期长达一个月。\n\n### 使用 aicore 后\n- 直接集成 aicore 中成熟的状态机框架，将行为逻辑模块化，新增单位类型仅需配置而非重写代码。\n- 调用库内经过书本验证的路径寻找接口，半天内即可实现流畅的寻路功能，无需反复调试底层算法。\n- 复用其标准化的数据结构与引擎核心，确保移动、感知与决策模块无缝协作，大幅减少冗余代码。\n- 依托与《游戏人工智能》教材完全对应的源码注释与 Doxygen 文档，新成员三天内即可上手核心开发。\n\naicore 在当年作为教科书配套代码，将游戏 AI 开发从“盲目摸索”转变为“有据可依”，极大降低了早期游戏智能系统的构建门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fidmillington_aicore_d5be9cd1.png","idmillington","Ian Millington","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fidmillington_b08df229.jpg",null,"Various","UK","idmillington@googlemail.com","https:\u002F\u002Fgithub.com\u002Fidmillington",[85,89,93,96],{"name":86,"color":87,"percentage":88},"C++","#f34b7d",92.2,{"name":90,"color":91,"percentage":92},"C","#555555",5.9,{"name":94,"color":95,"percentage":46},"Python","#3572A5",{"name":97,"color":98,"percentage":99},"CMake","#DA3434",0.9,547,159,"2026-03-23T02:44:24","MIT",4,"Windows, Linux, macOS (可能支持)","未说明 (演示程序需要 OpenGL 和 GLUT，非现代 AI 计算 GPU)","未说明",{"notes":109,"python":110,"dependencies":111},"该项目为 2002-2004 年的历史代码，仅具考古价值，不再维护。核心语言为 C++ 而非 Python。在 Windows 上可能需要修改 .\u002Fsrc\u002Ftiming.cpp 以适配非 Windows 多媒体计时器。演示程序运行需要安装 OpenGL 和 GLUT 库及其对应的动态链接文件。","未说明 (项目主要使用 C++)",[112,113,114,115,116,117],"SCons (构建工具)","CMake (Linux 构建)","Microsoft Visual Studio 8 (Windows 构建)","Doxygen (文档生成)","OpenGL","GLUT",[18],"2026-03-27T02:49:30.150509","2026-04-06T08:52:40.588959",[],[]]