[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-openai--retro":3,"tool-openai--retro":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",149489,2,"2026-04-10T11:32:46",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":117,"forks":118,"last_commit_at":119,"license":120,"difficulty_score":121,"env_os":122,"env_gpu":123,"env_ram":123,"env_deps":124,"category_tags":130,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":132,"updated_at":133,"faqs":134,"releases":165},6307,"openai\u002Fretro","retro","Retro Games in Gym","Retro 是一款将经典电子游戏转化为强化学习训练环境的开源工具。它基于 OpenAI Gym 框架，让研究人员能够利用约 1000 款复古游戏（涵盖 Atari、任天堂、世嘉等多个经典主机平台）来测试和训练 AI 智能体。\n\n在强化学习研究中，构建多样化且标准的测试环境往往颇具挑战。Retro 通过集成支持 Libretro API 的多种模拟器，巧妙地解决了这一痛点。它不仅提供了统一的游戏接口，还预先定义了关键的游戏内存地址、奖励函数逻辑、回合结束条件以及关卡存档点，极大地降低了环境配置的难度，让开发者能专注于算法本身而非底层适配。\n\n这款工具主要面向 AI 研究人员、算法工程师及强化学习爱好者。其独特的技术亮点在于对多平台模拟器的无缝整合能力，以及为每款游戏精心编写的状态追踪与奖励机制文件，使得在不同游戏间迁移和泛化学习算法变得异常便捷。需要注意的是，Retro 本身不包含商业游戏 ROM，用户需自行准备合法的游戏文件。目前项目处于维护阶段，适合需要稳定经典环境进行学术探索或算法验证的专业用户。","**Status:** Maintenance (expect bug fixes and minor updates)\n\n# Gym Retro\n\nGym Retro lets you turn classic video games into [Gym](https:\u002F\u002Fgym.openai.com\u002F) environments for reinforcement learning and comes with integrations for ~1000 games.  It uses various emulators that support the [Libretro API](https:\u002F\u002Fwww.libretro.com\u002Findex.php\u002Fapi\u002F), making it fairly easy to add new emulators.\n\nSupported platforms:\n\n- Windows 7, 8, 10\n- macOS 10.13 (High Sierra), 10.14 (Mojave)\n- Linux (manylinux1)\n\nCPU with `SSSE3` or better\n\nSupported Pythons:\n\n- 3.6\n- 3.7\n- 3.8\n\nEach game integration has files listing memory locations for in-game variables, reward functions based on those variables, episode end conditions, savestates at the beginning of levels and a file containing hashes of ROMs that work with these files.\n\nPlease note that ROMs are not included and you must obtain them yourself.  Most ROM hashes are sourced from their respective No-Intro SHA-1 sums.\n\n# Documentation\n\nDocumentation is available at https:\u002F\u002Fretro.readthedocs.io\u002Fen\u002Flatest\u002F\n\nYou should probably start with the [Getting Started Guide](https:\u002F\u002Fretro.readthedocs.io\u002Fen\u002Flatest\u002Fgetting_started.html).\n\n# Contributing\n\n[See CONTRIBUTING.md](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fblob\u002Fmaster\u002FCONTRIBUTING.md)\n\n# Changelog\n\n[See CHANGES.md](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fblob\u002Fmaster\u002FCHANGES.md)\n\n# Emulated Systems\n\n- Atari\n\t- Atari2600 (via Stella)\n- NEC\n\t- TurboGrafx-16\u002FPC Engine (via Mednafen\u002FBeetle PCE Fast)\n- Nintendo\n\t- Game Boy\u002FGame Boy Color (via gambatte)\n\t- Game Boy Advance (via mGBA)\n\t- Nintendo Entertainment System (via FCEUmm)\n\t- Super Nintendo Entertainment System (via Snes9x)\n- Sega\n\t- GameGear (via Genesis Plus GX)\n\t- Genesis\u002FMega Drive (via Genesis Plus GX)\n\t- Master System (via Genesis Plus GX)\n\nSee [LICENSES.md](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fblob\u002Fmaster\u002FLICENSES.md) for information on the licenses of the individual cores.\n\n# Included ROMs\n\nThe following non-commercial ROMs are included with Gym Retro for testing purposes:\n\n- [the 128 sine-dot](http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=2762) by Anthrox\n- [Sega Tween](https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fgamegear\u002Fsega-tween) by Ben Ryves\n- [Happy 10!](http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=52716) by Blind IO\n- [512-Colour Test Demo](https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fpcengine\u002F512-colour-test-demo) by Chris Covell\n- [Dekadrive](http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=67142) by Dekadence\n- [Automaton](https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fatari2600\u002Fautomaton-minigame-compo-2003) by Derek Ledbetter\n- [Fire](http:\u002F\u002Fprivat.bahnhof.se\u002Fwb800787\u002Fgb\u002Fdemo\u002F64\u002F) by dox\n- [FamiCON intro](http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=53497) by dr88\n- [Airstriker](https:\u002F\u002Fpdroms.de\u002Fgenesis\u002Fairstriker-v1-50-genesis-game) by Electrokinesis\n- [Lost Marbles](https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fgameboyadvance\u002Flost-marbles) by Vantage\n\n# Citation\n\nPlease cite using the following BibTeX entry:\n\n```\n@article{nichol2018retro,\n  title={Gotta Learn Fast: A New Benchmark for Generalization in RL},\n  author={Nichol, Alex and Pfau, Vicki and Hesse, Christopher and Klimov, Oleg and Schulman, John},\n  journal={arXiv preprint arXiv:1804.03720},\n  year={2018}\n}\n```\n","**状态:** 维护中（预计进行错误修复和小版本更新）\n\n# Gym Retro\n\nGym Retro 可以将经典电子游戏转换为适用于强化学习的 [Gym](https:\u002F\u002Fgym.openai.com\u002F) 环境，并支持约 1000 款游戏的集成。它使用支持 [Libretro API](https:\u002F\u002Fwww.libretro.com\u002Findex.php\u002Fapi\u002F) 的多种模拟器，因此添加新模拟器相对容易。\n\n支持的平台：\n\n- Windows 7、8、10\n- macOS 10.13（High Sierra）、10.14（Mojave）\n- Linux（manylinux1）\n\nCPU 需具备 `SSSE3` 或更高指令集\n\n支持的 Python 版本：\n\n- 3.6\n- 3.7\n- 3.8\n\n每款游戏的集成都包含用于记录游戏内变量的内存地址文件、基于这些变量的奖励函数、回合结束条件、关卡开始时的存档点，以及与这些文件兼容的 ROM 哈希值列表。\n\n请注意，ROM 文件不随软件一起提供，您需要自行获取。大多数 ROM 哈希值来源于各自的 No-Intro SHA-1 校验和。\n\n# 文档\n\n文档可在 https:\u002F\u002Fretro.readthedocs.io\u002Fen\u002Flatest\u002F 查阅。\n\n建议从[入门指南](https:\u002F\u002Fretro.readthedocs.io\u002Fen\u002Flatest\u002Fgetting_started.html)开始阅读。\n\n# 贡献\n\n请参阅 [CONTRIBUTING.md](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fblob\u002Fmaster\u002FCONTRIBUTING.md)\n\n# 更改日志\n\n请参阅 [CHANGES.md](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fblob\u002Fmaster\u002FCHANGES.md)\n\n# 模拟系统\n\n- Atari\n\t- Atari2600（通过 Stella 模拟）\n- NEC\n\t- TurboGrafx-16\u002FPC Engine（通过 Mednafen\u002FBeetle PCE Fast 模拟）\n- Nintendo\n\t- Game Boy\u002FGame Boy Color（通过 gambatte 模拟）\n\t- Game Boy Advance（通过 mGBA 模拟）\n\t- 任天堂娱乐系统（通过 FCEUmm 模拟）\n\t- 超级任天堂娱乐系统（通过 Snes9x 模拟）\n- Sega\n\t- GameGear（通过 Genesis Plus GX 模拟）\n\t- Genesis\u002FMega Drive（通过 Genesis Plus GX 模拟）\n\t- Master System（通过 Genesis Plus GX 模拟）\n\n有关各个核心许可证的信息，请参阅 [LICENSES.md](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fblob\u002Fmaster\u002FLICENSES.md)。\n\n# 包含的 ROM\n\n以下非商业 ROM 随 Gym Retro 一同提供，用于测试目的：\n\n- Anthrox 的 [the 128 sine-dot]（http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=2762）\n- Ben Ryves 的 [Sega Tween]（https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fgamegear\u002Fsega-tween）\n- Blind IO 的 [Happy 10!]（http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=52716）\n- Chris Covell 的 [512-Colour Test Demo]（https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fpcengine\u002F512-colour-test-demo）\n- Dekadence 的 [Dekadrive]（http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=67142）\n- Derek Ledbetter 的 [Automaton]（https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fatari2600\u002Fautomaton-minigame-compo-2003）\n- dox 的 [Fire]（http:\u002F\u002Fprivat.bahnhof.se\u002Fwb800787\u002Fgb\u002Fdemo\u002F64\u002F）\n- dr88 的 [FamiCON intro]（http:\u002F\u002Fwww.pouet.net\u002Fprod.php?which=53497）\n- Electrokinesis 的 [Airstriker]（https:\u002F\u002Fpdroms.de\u002Fgenesis\u002Fairstriker-v1-50-genesis-game）\n- Vantage 的 [Lost Marbles]（https:\u002F\u002Fpdroms.de\u002Ffiles\u002Fgameboyadvance\u002Flost-marbles）\n\n# 引用\n\n请使用以下 BibTeX 条目进行引用：\n\n```\n@article{nichol2018retro,\n  title={Gotta Learn Fast: A New Benchmark for Generalization in RL},\n  author={Nichol, Alex and Pfau, Vicki and Hesse, Christopher and Klimov, Oleg and Schulman, John},\n  journal={arXiv preprint arXiv:1804.03720},\n  year={2018}\n}\n```","# Gym Retro 快速上手指南\n\nGym Retro 是一个将经典电子游戏转化为 [Gym](https:\u002F\u002Fgym.openai.com\u002F) 环境的工具库，专为强化学习设计。它内置了约 1000 款游戏的集成，支持多种通过 Libretro API 运行的模拟器。\n\n> **注意**：本项目目前处于**维护模式**（仅修复 Bug 和 minor 更新）。本文档不包含 ROM 文件，您需要自行获取合法的游戏 ROM。\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### 系统要求\n- **操作系统**:\n  - Windows 7, 8, 10\n  - macOS 10.13 (High Sierra) 或 10.14 (Mojave)\n  - Linux (manylinux1)\n- **CPU**: 必须支持 `SSSE3` 指令集或更高版本。\n\n### Python 版本\n支持以下 Python 版本：\n- 3.6\n- 3.7\n- 3.8\n\n### 前置依赖\n建议先安装基础的 Gym 库（虽然 `gym-retro` 通常会处理依赖，但显式安装更稳妥）：\n```bash\npip install gym\n```\n\n## 安装步骤\n\n推荐使用 pip 进行安装。国内开发者若遇到网络问题，可使用清华或阿里镜像源加速。\n\n### 标准安装\n```bash\npip install gym-retro\n```\n\n### 使用国内镜像源加速（推荐）\n```bash\npip install gym-retro -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 基本使用\n\n安装完成后，您可以立即加载支持的游戏并开始训练。以下是最简单的使用示例，展示如何创建一个环境并运行随机动作。\n\n### 代码示例\n\n```python\nimport retro\n\n# 1. 创建环境\n# 参数格式通常为：Game-ConsoleRegion\nenv = retro.make(game='Airstriker-Genesis')\n\n# 2. 重置环境\nobs = env.reset()\n\n# 3. 运行一个简单的循环\ndone = False\nwhile not done:\n    # 生成随机动作\n    action = env.action_space.sample()\n    \n    # 执行动作\n    obs, reward, done, info = env.step(action)\n    \n    # 渲染画面（可选，需要本地显示支持）\n    env.render()\n\nenv.close()\n```\n\n### 关键说明\n- **游戏名称**: `retro.make()` 中的游戏字符串需严格匹配内置支持列表（如 `Airstriker-Genesis`）。\n- **ROM 文件**: 首次运行特定游戏时，程序会提示缺少 ROM。您需将对应的 ROM 文件放置在指定目录（通常由 `retro.data.get_game_path()` 指示），且 ROM 的 SHA-1 哈希值需与库中记录的匹配（大多基于 No-Intro 数据库）。\n- **文档**: 更多高级用法（如自定义奖励函数、内存地址监控）请参阅官方文档：https:\u002F\u002Fretro.readthedocs.io\u002Fen\u002Flatest\u002Fgetting_started.html","某高校强化学习实验室的研究团队正致力于训练一个能通用于多种经典游戏规则的 AI 智能体，以验证算法的泛化能力。\n\n### 没有 retro 时\n- **环境搭建繁琐**：研究人员需手动集成不同游戏机（如 NES、GBA）的独立模拟器，配置复杂的底层 API 接口，耗时数周才能跑通第一个游戏。\n- **奖励函数难定义**：缺乏现成的内存地址映射数据，团队必须逆向分析每个游戏的十六进制内存码来提取分数和生命值，极易出错且效率低下。\n- **实验标准不统一**：由于缺少标准化的存档点（Savestates）和回合结束判定逻辑，不同成员编写的训练脚本难以复现彼此的结果，导致基准测试失效。\n- **游戏覆盖受限**：受限于开发精力，团队仅能勉强支持 2-3 款游戏，无法在大规模游戏库上验证算法的通用性。\n\n### 使用 retro 后\n- **一键接入千款游戏**：retro 直接内置了基于 Libretro API 的多种模拟器核心，通过一行代码即可将约 1000 款经典游戏转化为标准的 Gym 环境，即刻开始训练。\n- **预置关键数据映射**：工具自动提供了各游戏的内存变量位置、自定义奖励函数及回合终止条件，研究人员无需再手动逆向解析内存，专注于算法优化。\n- **标准化实验流程**：retro 内置了关卡起始存档点和统一的哈希校验机制，确保了全球研究者能在完全一致的初始条件下复现实验，大幅提升了论文可信度。\n- **大规模泛化验证**：借助丰富的游戏库，团队轻松在数十款不同机制的游戏上并行测试，快速证明了新算法在跨域场景下的强大泛化性能。\n\nretro 通过将碎片化的复古游戏模拟标准化为统一的强化学习接口，极大地降低了多任务泛化研究的门槛与成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenai_retro_ac25fbaa.png","openai","OpenAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fopenai_1960bbf4.png","",null,"https:\u002F\u002Fopenai.com\u002F","https:\u002F\u002Fgithub.com\u002Fopenai",[80,84,88,92,96,100,103,107,110,113],{"name":81,"color":82,"percentage":83},"C","#555555",68.8,{"name":85,"color":86,"percentage":87},"C++","#f34b7d",26.6,{"name":89,"color":90,"percentage":91},"Makefile","#427819",1.7,{"name":93,"color":94,"percentage":95},"Python","#3572A5",0.8,{"name":97,"color":98,"percentage":99},"CMake","#DA3434",0.4,{"name":101,"color":102,"percentage":99},"TeX","#3D6117",{"name":104,"color":105,"percentage":106},"Assembly","#6E4C13",0.3,{"name":108,"color":76,"percentage":109},"M4",0.2,{"name":111,"color":112,"percentage":109},"GLSL","#5686a5",{"name":114,"color":115,"percentage":116},"Lua","#000080",0.1,3581,532,"2026-04-08T16:43:26","MIT",4,"Windows 7, 8, 10, macOS 10.13 (High Sierra), 10.14 (Mojave), Linux (manylinux1)","未说明",{"notes":125,"python":126,"dependencies":127},"CPU 需支持 SSSE3 指令集或更高版本。该工具本身不包含商业游戏 ROM，用户需自行获取兼容的 ROM 文件（哈希值通常基于 No-Intro SHA-1）。项目目前处于维护模式，主要提供错误修复和少量更新。","3.6, 3.7, 3.8",[128,129],"gym","Libretro API compatible emulators",[14,131],"其他","2026-03-27T02:49:30.150509","2026-04-11T00:43:23.708783",[135,140,145,150,155,160],{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},28539,"如何在 Google Colab 或 Linux 环境中导入 Atari ROM 并解决 'FileNotFoundError: Game not found' 错误？","在 Colab 中导入 Atari ROM 时，需要正确解压文件并指定正确的导入路径。请尝试以下步骤：\n1. 下载并解压 ROM 包：`! wget http:\u002F\u002Fwww.atarimania.com\u002Froms\u002FRoms.rar && unrar x Roms.rar`\n2. 创建新目录（可选但推荐）：`!mkdir \u003Cnew_dir>`\n3. 将 ROMS.zip 解压到该目录：`!unzip Roms\u002FROMS.zip -d \u003Cnew_dir>`\n4. 安装 gym-retro：`! pip install gym-retro`\n5. 运行导入命令，确保指向包含 ROM 文件的实际文件夹：`!python3 -m retro.import \u003Cnew_dir>\u002FROMS\u002F`\n如果仍然报错，请检查路径是否正确，并确保解压后的文件夹结构中包含具体的 .a26 等格式文件。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fissues\u002F53",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},28540,"在 Windows 上从源码安装 gym-retro 失败怎么办？","在 Windows 上从源码安装经常会遇到编译问题。推荐的解决方案是直接使用预编译的二进制 wheel 包，而不是从源码构建。\n请使用 pip 直接安装：`pip install gym-retro`。\n如果之前尝试过 `pip install -e .` 或从源码克隆安装并遇到 DLL 加载错误，请卸载后改用上述 pip 安装方式。确保你的 Python 版本（如 3.7 64-bit）与可用的 wheel 包兼容，并且已将 Python 添加到系统环境变量 PATH 中。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fissues\u002F26",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},28541,"使用 CMake 构建 retro 时出现 'Could not find Makefile' 或 'add_core' 错误如何解决？","这个错误通常是因为你在一个名为 `retro` 的文件夹内部运行了构建命令，导致 CMake 查找路径冲突。\n解决方法：请切换到其他目录（不要在与项目同名的文件夹内），或者确保你的当前工作目录路径中不包含名为 `retro` 的父文件夹，然后重新运行构建命令。此外，如果在 Ubuntu 上遇到此类问题，尽量避免使用 `pip3 install -e` 进行开发模式安装，尝试标准安装或直接使用构建脚本。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fissues\u002F199",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},28542,"游戏环境渲染画面异常（黑屏或花屏）但 UI 集成正常，该如何修复？","如果通过代码 `env.render()` 渲染画面异常，但在 UI 集成中正常，这通常意味着本地的 ROM 文件已损坏，即使其 SHA1 校验和看似匹配也可能存在数据错误。\n解决方案：尝试重新下载该游戏的 ROM 文件，替换现有文件后再次运行。许多用户反馈重新下载 ROM 后问题即刻解决。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fissues\u002F70",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},28543,"如何使用 gym-retro 实现游戏声音播放？","gym-retro 默认渲染时不包含声音输出，但你可以通过提取音频数据并使用外部库（如 pyaudio 或 simpleaudio）自行播放。\n基本步骤如下：\n1. 安装依赖：`pip install pyaudio` 或 `pip install simpleaudio`。\n2. 在游戏循环中，使用 `env.em.get_audio()` 获取音频数据，用 `env.em.get_audio_rate()` 获取采样率。\n3. 开启一个独立线程或使用异步方式播放音频，以避免阻塞游戏主循环。\n4. 注意帧率同步，例如每帧休眠 `1.0\u002F60.0` 秒以匹配游戏速度。\n参考代码逻辑：初始化音频流 -> 循环 step -> 获取音频 -> 播放音频。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fissues\u002F76",{"id":161,"question_zh":162,"answer_zh":163,"source_url":164},28544,"在哪里可以找到添加新游戏或状态的文档说明？","虽然原始 Issue 指出文档缺失，但通常添加新游戏需要遵循以下通用流程（基于社区实践）：\n1. 准备合法的 ROM 文件。\n2. 使用 `python -m retro.import \u003Crom_directory>` 命令导入 ROM。\n3. 如果需要自定义状态或动作空间，需在导入后编写相应的 `data.json` 配置文件定义状态变量和奖励机制。\n4. 将生成的游戏数据放入 `retro\u002Fdata` 目录下。\n建议查看项目中已有的游戏配置示例来模仿格式。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fretro\u002Fissues\u002F33",[166,170,175],{"id":167,"version":168,"summary_zh":76,"released_at":169},191806,"f347d7e","2021-03-31T16:39:03",{"id":171,"version":172,"summary_zh":173,"released_at":174},191807,"v0.8.0","* 添加对 Python 3.8 的支持\n* 因 Windows 上的构建问题，移除对 Python 3.5 的支持","2020-05-01T21:17:15",{"id":176,"version":177,"summary_zh":76,"released_at":178},191808,"v0.7.0","2019-03-15T00:55:26"]