514 lines
23 KiB
Markdown
514 lines
23 KiB
Markdown
# mcfold 工程计划
|
||
|
||
> 最后更新：2026-09-26
|
||
> 状态标记：✅ 已完成 · 🔄 进行中 · ⬜ 未开始 · ⚠️ 有已知缺口
|
||
|
||
---
|
||
|
||
## 0. 目标（用户定向，按时间顺序）
|
||
|
||
1. **照相机式渲染**：给一个世界（存档数据 / 服务端），渲染出图。
|
||
- 用户原话（2026-09-25）：「不起完整客户端」——抽出 MC 的**渲染能力**，
|
||
喂我们自己的数据。
|
||
- 用户纠正：「**不写 mod**，而不是**不用 mod 加载器**」⇒ 用加载器（
|
||
让真实 mod / Iris 光影能工作），但不写自己的 mod。
|
||
2. **架构分层**（用户 2026-09-26 明确定调）：
|
||
> jar 部分封装为统一的接口，非通用数据通过 extern 参数传入。
|
||
> jar 端接受**操作意图**，输出**包**，python 再将包发送到服务端。
|
||
> python 相当于只是包装，让 agent 可以通过统一的接口调用。
|
||
> 同时不要忘了**版本隔离**。同一个版本应当可以存在**多个实例**（因为要装不同的 mod）。
|
||
3. **范围**（用户 2026-09-26 明确限定）：
|
||
> 我们只是为了**渲染**以及**与服务端的 mod 物品交互**。
|
||
⇒ 不做完整客户端、不做玩法、不做移动/战斗。
|
||
4. **HUD 不显示**（用户 2026-09-26）：截图只关心画面，HUD 是噪声，
|
||
而且它给 `distinctColors` 掺固定像素（污染判据）。
|
||
⇒ 走官方选项 `options.hideGui`（= 游戏里 F1）。
|
||
|
||
---
|
||
|
||
## 1. 用户设想的场景（2026-09-26，本计划的新方向）
|
||
|
||
★ **这是抽象模型的一个用例，不是全部**（用户 2026-09-26：
|
||
「机位这个只是一个具体应用场景，而不是只有这一个场景」）。
|
||
它用来验证 §1b 那套「状态 + 事件 + 操作」是否立得住 ——
|
||
若拍照能跑通，agent 的日常感知/交互也就能跑通。
|
||
|
||
> 我设想的场景是玩家可以在聊天框给 agent 发消息，然后比如让 agent 给他**拍照**，
|
||
> 如果是他和某个景物的**合照**，agent 可以先通过 **ass 粗渲染**，找好角度
|
||
> 再去**渲染实图**。
|
||
|
||
拆成可执行的三段：
|
||
|
||
```
|
||
① 玩家在聊天框发消息 → agent 通过统一接口收到
|
||
② agent 要"给玩家拍合照" → 需要：玩家位置/朝向 + 景物位置 + 相机可摆放范围
|
||
③ 选角度 → 用 **ass 粗渲染**（低成本、快）试若干机位，
|
||
挑一个好的，再用**细渲染**出图
|
||
```
|
||
|
||
★ 注意：这只是粗渲染的**一个用例**。它的本职是 **agent 的常驻感知层**
|
||
（日常游玩），见 §4。
|
||
|
||
### ★ 粗渲染与细渲染的分工（用户 2026-09-26 明确，关键）
|
||
|
||
> **粗渲染是 agent 日常游玩用的**；**细渲染是出图和 agent 判断精细状态用的**；
|
||
> **细渲染是单次调用的而非常驻的**。
|
||
|
||
| | 粗渲染（ass） | 细渲染 |
|
||
|---|---|---|
|
||
| 用途 | **agent 日常游玩** | **出图 + 判断精细状态** |
|
||
| 生命周期 | **常驻**（随 agent 会话） | **单次调用**（起 → 渲染 → 销毁） |
|
||
| 频率 | 高（agent 每一步都可能问） | 低（要图 / 需要精细判断时） |
|
||
| 延迟预算 | 毫秒级 | 20-40s 可接受 |
|
||
| 依赖 | 纯 Python（**无 JVM**） | JVM + 完整 MC 栈 + 加载器/光影 |
|
||
| 数据源 | 轻量世界快照 | 完整渲染管线 |
|
||
|
||
★ **这条分工决定了架构**：
|
||
- 粗渲染**不是**细渲染的降级，而是 agent 的**常驻感知层** ——
|
||
它要回答 agent 平时的所有感知问题（周围有什么、挡不挡视线、
|
||
前面走得通吗、那边是什么），这些都必须廉价。
|
||
- 细渲染**按需起、用完走**（JVM 启停成本不敏感）⇒ 慢一点没关系。
|
||
- ⇒ 所以**「粗渲染↔细渲染一致性」不是刚需**：两者服务于不同问题，
|
||
不要求粗渲染预测细渲染的像素。真正要测的是
|
||
**各自对各自用途的正确性**（见 4.5）。
|
||
|
||
---
|
||
|
||
## 1b. 抽象模型：参考 mineflayer 的「状态 + 事件 + 操作」三层
|
||
|
||
> 至于事件更新通报与操作抽象，我觉得可以参考 mineflayer，
|
||
> 使用它的抽象模型调用我们的后端。（用户 2026-09-26）
|
||
|
||
★ **注意**：机位/拍照只是这个抽象的**一个用例**，不是目的。
|
||
下面这套模型要覆盖 agent 的日常：感知、移动、交互、观察、问答。
|
||
|
||
### 1b.1 mineflayer 的实际形态（已读源码核实）
|
||
|
||
```
|
||
① 状态（挂在 bot 上的对象，agent 直接读）
|
||
world 方块/生物群系/光照 entities {id: Entity}
|
||
players {username: Player} time / game / controlState
|
||
inventory / experience / tablist / teamMap / spawnPoint / settings
|
||
|
||
② 事件（bot.emit(name, ...)，细分层用 ':'）
|
||
消息类 message / messagestr / chat / chat:<pattern> / actionBar
|
||
世界类 blockUpdate / chunkColumnLoad / weatherUpdate
|
||
实体类 entitySpawn / entityMoved / playerJoined / playerLeft
|
||
玩家类 moved / heldItemChanged / lookingAt / physicsTick
|
||
流程类 login / spawn / health / death / kicked / error
|
||
|
||
③ 操作（bot.<verb>(...)）
|
||
查询 blockAt / findBlocks / raycast / nearestEntity
|
||
移动 move / look / setControlState / simpleClick
|
||
交互 dig / placeBlock / activateBlock / attackEntity / equip
|
||
社交 chat / whisper / tell
|
||
观察 saveScreenshot
|
||
容器 openContainer / clickWindow / closeWindow / …
|
||
```
|
||
|
||
**★ 三个值得直接照搬的设计**：
|
||
|
||
1. **状态是「对象」而不是「方法调用」** —— agent 读 `bot.entities` /
|
||
`bot.world` 就拿到快照，不必每次查询。
|
||
⇒ 我们的粗渲染（常驻）就该是这个角色。
|
||
|
||
2. **事件分「粗粒度 + 细分层」**（`message` 与 `chat:<pattern>` 并存）
|
||
—— agent 可以只订阅粗粒度（省 token），需要时再挂细分。
|
||
⇒ 避免「每个方块变化都推给 agent」把上下文淹掉。
|
||
|
||
3. **操作是动词，参数是结构化对象**
|
||
—— `bot.findBlocks({ matching, maxDistance, count })`
|
||
⇒ 不是「一条命令 + 位置参数」，而是「意图 + 可选约束」。
|
||
|
||
### 1b.2 映射到我们的后端
|
||
|
||
```
|
||
mineflayer 概念 我们的实现 备注
|
||
─────────────────────────────────────────────────────────────────
|
||
bot.world mcfold 的 World（已有 block_at） ★ 粗渲染的底座
|
||
bot.entities 待加：EntityStore 从 chunk/实体数据来
|
||
bot.on(...) 事件总线（待加） 粗/细分层同 mineflayer
|
||
bot.findBlocks({...}) rough.find_blocks(matching=…, …) 纯 Python，毫秒级
|
||
bot.raycast rough.cast_ray(…) DDA
|
||
bot.move / bot.look 待定：见 1b.4（我们不做移动）
|
||
bot.chat 走 agentmail / 服务端聊天 已有通路
|
||
bot.saveScreenshot WorldRenderer.screenshot() 细渲染（单次调用）
|
||
```
|
||
|
||
★ **最重要的一条**：`bot` 那些方法最终落到 `bot._client`（协议层），
|
||
而我们落到 **jar 端**（用户定调：「jar 端接受操作意图，输出包」）。
|
||
所以**抽象形状照抄 mineflayer，落地换到 jar 端** —— 这正是用户那句话的含义。
|
||
|
||
### 1b.3 我们的三层（与 mineflayer 同形）
|
||
|
||
```
|
||
状态层 常驻、无 JVM、毫秒级
|
||
World / EntityStore / 玩家与相机状态 / 时间天气
|
||
★ 这层就是「粗渲染」
|
||
|
||
操作层 意图式动词
|
||
find_blocks / cast_ray / look / say / place / dig …
|
||
多数落粗渲染（快）；需精细视觉的转细渲染（慢，单次）
|
||
|
||
事件层 粗粒度 + 细分层
|
||
moved / block_changed / entity_appeared / message / chat:<pattern>
|
||
★ 分层是为省 token，不是为性能
|
||
```
|
||
|
||
### 1b.4 一个必须先定的边界
|
||
|
||
⚠️ 我们**不做移动/战斗**（用户：范围是「渲染 + 与服务端 mod 物品交互」）。
|
||
所以 mineflayer 的 `bot.move` / `dig` / `attackEntity` **不照抄** ——
|
||
它们要么不需要，要么该由「服务端交互」那条线以别的方式提供。
|
||
|
||
⇒ 待定：`bot.move` 这类「改变世界状态」的操作，在我们的定位里
|
||
究竟**不做**、还是**转交服务端**（agent 在真实世界里动，我们在旁边看/记）。
|
||
这决定 `操作层` 的边界。
|
||
|
||
---
|
||
|
||
## 2. 已完成（可复用，有提交）
|
||
|
||
### 2.1 渲染桥（P8/P9）
|
||
|
||
- `pg2srg.py`：ProGuard → SRG 映射转换
|
||
- `client-named.jar`：官方 jar 反混淆产物
|
||
- 官方初始化序列（反编译确认）：`tryDetectVersion` → `enableDataFixerOptimizations`
|
||
→ `Bootstrap.bootStrap()` → `initRenderThread` → `beginInitialization`
|
||
→ `new Minecraft(cfg)` → `finishInitialization`（**不跑主循环**）
|
||
- 单帧渲染：`clear` → `bindWrite` → `gameRenderer.render` → `unbindWrite`
|
||
→ `blitToScreen` → `updateDisplay`
|
||
|
||
### 2.2 架构（用户定调的落地）
|
||
|
||
- **Python 只做路由**：0 处 `net.minecraft` 引用（实测）
|
||
- **差异全在 Java**：`cmd=setblocks`（Python 发 RLE，Java 组装协议）、`cmd=capacity`（问运行时）
|
||
- **世代分派**：`DeltaTracker` 类存在 ⇔ 1.21+；每代独立编译的 Java 后端
|
||
- **加载器 × 世代正交**：动态子类组合，不写 N 个类
|
||
|
||
### 2.3 加载器路线 + 光影 ✅（2026-09-26 打通）
|
||
|
||
**关键突破**：`Knot.init()` + `loadIntoTarget()` —— 拿到 mod 生态，但不起官方主循环。
|
||
|
||
三个必需条件（缺一失败，全部实测）：
|
||
1. classpath 放 `client-named.jar`（不是官方 obf jar）
|
||
2. `-Dfabric.gameMappingNamespace=named`
|
||
3. **asm 只留一份**（1.20.1 自带 9.2+9.6 两版 ⇒ `Knot.<clinit>` 抛 duplicate ASM classes）
|
||
|
||
**B 方案（用户选定）**：统一接口 + 非通用数据走 extern
|
||
- `McfoldNames`：源码写**语义路径**（`net/minecraft/client/Minecraft/resourceManager`），
|
||
运行时按 `names.json` 查物理名
|
||
- 19 处字符串反射 → 0（remap 改不了字符串字面量，这是唯一两态都通的形态）
|
||
- `gen_names.py`：从两份映射复合生成表（11/11 解析成功）
|
||
|
||
**remap 链**（`build.sh` 第 7 步，含两个实测坑）：
|
||
- 坑①：SRG 的 desc 两侧都是 official ⇒ 左必须转 named、右转 intermediary
|
||
（只改类名不改 desc ⇒ 类对了、方法没改 ⇒ `NoSuchMethodError`）
|
||
- 坑②：SpecialSource 按 owner 精确匹配、**不查继承链** ⇒ 必须 `-h inheritance.map`
|
||
（不带漏 ~60 处）
|
||
|
||
**结果**：Iris 光影 + 地形**同时**渲染 ✅
|
||
```
|
||
before: colors=4748 （只有天空）
|
||
after: colors=113546 （地形 + 光影 + 阴影）
|
||
```
|
||
|
||
### 2.4 Sodium tracker 通知（`notifyRenderTracker`）✅
|
||
|
||
**症状**：装 Sodium 后只有天空、`chunks=0`，而 `blockinfo` 能正确读方块
|
||
⇒ 数据在，渲染器不知道。
|
||
|
||
**三层根因**（逐层实测）：
|
||
1. Sodium 的 mixin 挂 `replaceWithPacketData` 内 `@At(INVOKE onChunkLoaded)`，
|
||
而 1.20.1 该方法**内部不调** `onChunkLoaded` ⇒ 注入点永不命中
|
||
2. 反射签名：参数是 `ClientLevel` 不是 `Level`；第三参是**位掩码 int**
|
||
3. ★ **status 值**：`FLAG_HAS_BLOCK_DATA=1` / `FLAG_HAS_LIGHT_DATA=2` / `FLAG_ALL=3`，
|
||
而 `updateMerged` 的 2×2 判定要 `四邻 & == 3`
|
||
⇒ 传 1：`1&1&1&1=1 ≠ 3` ⇒ 全部判成"凑不齐" ⇒ 队列恒空
|
||
|
||
```
|
||
传 1: chunkStatus=49 chunkReady=0 loadQueue=0 colors=4748
|
||
传 3: chunkStatus=49 chunkReady=25 loadQueue=25 colors=113546
|
||
```
|
||
|
||
### 2.5 版本隔离 + 实例层 ✅
|
||
|
||
- **三层**（权威口径 `mcview/lib/versions.cjs:59/61`）：
|
||
```
|
||
BASE/store/<loader>-<version>/ 内容根 共享只读：jar/libraries/assets/.mcfold 产物
|
||
BASE/instances/<name>/ 实例 独占：mods/shaderpacks/config/saves
|
||
BASE/runtime/<name>/ 运行期 独占：X display/screenshots/logs
|
||
```
|
||
- **`mcfold/instances.py`**（Python 接口，用户定调）：
|
||
```python
|
||
create_instance(name, version=, loader=, mods=[...], force=False) # → Path
|
||
list_instances() # → 摘要
|
||
find_content_root(version, loader)
|
||
```
|
||
- 实例内部：`instance.json` + **mods/ shaderpacks/ resourcepacks/ datapacks/**
|
||
（★ agent 的接口面，放进去即生效）+ config/saves/logs
|
||
- **不在实例里建 versions/libraries/assets**（属内容根，只读共享）
|
||
- 实例名白名单 `^[A-Za-z0-9._-]{1,64}$`；已存在则报错而非默默复用
|
||
- **版本隔离守卫**（`tests/test_version_isolation.py`，默认套件里跑）
|
||
- 首次运行就抓出**两处**真实回流（`store/vanilla-1.20.1/instances/` 与
|
||
`store/vanilla-1.21.1/instances/`）
|
||
- ★ 教训：「我检查过了」≠「有一条会自己跑的检查」
|
||
|
||
### 2.6 HUD 开关 ✅
|
||
|
||
`hide_gui`（两世代后端 + Python `set_view(hide_gui=...)`），走官方 `options.hideGui`。
|
||
|
||
### 2.7 工程卫生 ✅
|
||
|
||
- `.gitignore`（运行期产物 / 实例配置 / 构建缓存）
|
||
- `git rm --cached` 28 个误入库的文件
|
||
- Sodium 往**进程 cwd** 写 config/ 的漏洞已修（`cwd=self.cwd or self.game_dir`）
|
||
|
||
**测试**：`./run_tests.sh` 66 项 · `--with-render` 80 项（实测全绿）
|
||
|
||
---
|
||
|
||
## 3. 当前缺口（按依赖顺序）
|
||
|
||
### ⚠️ G1. 1.21.1 的构建没跑通（**阻断服务端那条线**）
|
||
|
||
`build.sh` 的路径 bug 已修（`$HERE/common` → `$HERE/java/common`），
|
||
但 1.21.1 编译仍有错：
|
||
|
||
```
|
||
LoaderBoot.java:1: error: package net.fabricmc.api does not exist
|
||
LoaderBoot.java:2: error: package net.fabricmc.loader.impl.launch.knot does not exist
|
||
LoaderBoot.java:53: error: package net.fabricmc.loader.api does not exist
|
||
gen_1_21/McfoldRenderServer.java:761: error: cannot find symbol
|
||
```
|
||
|
||
**根因**：`build.sh` 第 5 步的编译 classpath（`CP`）**没有包含 Fabric 库**，
|
||
而 `LoaderBoot` 需要 `net.fabricmc.*`。1.20.1 那次是侥幸（Fabric 库在
|
||
hand-composed classpath 里），build.sh 本身没把它加进编译 CP。
|
||
|
||
**修法**：第 5 步编译时若有 `$OUT/fabric/`，把它加进 `CP`。
|
||
|
||
### ⬜ G2. 服务端交互没实现（目标里明写的那半）
|
||
|
||
现状：`client.py` 只有 `handshake` / `login_start` / `run_smoke`（冒烟级）。
|
||
|
||
缺：
|
||
- **configuration 阶段**（1.20.2+，登录后、play 前）：这里有 `registry_data`
|
||
- **服务端注册表**：方块 id / 物品 id 的**权威来源**
|
||
- **物品 ↔ 方块映射**
|
||
|
||
★ **技术核心**：mod 方块的 state id **只有服务端知道**
|
||
（客户端只知道自己 jar 里那套）。这正是「与服务端 mod 物品交互」的难点。
|
||
|
||
已实测确认：`ServerboundChatPacket` / `ClientboundSystemChatPacket` 的
|
||
protodef 描述**不随版本变** ⇒ `ProtocolVersion` 只影响少数结构。
|
||
|
||
### ⬜ G3. 统一接口门面（用户口径：agent 调 Python）
|
||
|
||
已有 `WorldRenderer` / `Instance` / `create_instance`，缺一个把
|
||
「渲染」+「服务端交互」串起来的门面。
|
||
|
||
### ⬜ G4. 粗渲染（ass）：agent 的常驻感知层（§1、§4）
|
||
|
||
见 §4 设计（**常驻**，与细渲染的**单次调用**互补）。
|
||
|
||
### ⬜ G5. 聊天框 → agent → 拍照 的行为链（§1，新方向）
|
||
|
||
见 §5 设计。
|
||
|
||
---
|
||
|
||
## 4. 粗渲染（ass）设计（⬜ 未开始）
|
||
|
||
### 4.1 定位：agent 的**常驻感知层**
|
||
|
||
按 §1 的分工，粗渲染服务于**日常游玩**，所以它不是一个"拍照辅助"，
|
||
而是一个**常驻的、无 JVM 的世界感知接口**。
|
||
|
||
```
|
||
细渲染： JVM + 完整 MC 栈 + Iris 单次调用（起→渲→销） ~20-40s
|
||
粗渲染： 纯 Python + 世界快照 常驻 <100ms
|
||
```
|
||
|
||
### 4.2 它要回答的问题（agent 游玩时会问的）
|
||
|
||
| 问法 | 需要的能力 |
|
||
|---|---|
|
||
| 「我面前是什么？」 | 视线求交（DDA）|
|
||
| 「这堵墙后面有没有通路？」 | 射线 + 邻域查询 |
|
||
| 「我站的地方是空的吗？」 | `block_at`（已有）|
|
||
| 「那边那座山是什么？」 | 远距离扫描 / 俯瞰索引 |
|
||
| 「周围一圈都有什么？」 | 局部切面（ASCII 最有用的场景）|
|
||
| 「从这里能不能看到它？」 | 可见性测试（遮挡判定）|
|
||
|
||
**其中「ASCII 网格」只是其中一种展示形态** —— 它的价值在于
|
||
让 LLM 能直接读，而 PNG 需要多模态。
|
||
|
||
### 4.3 核心原语（借鉴 mineflayer / prismarine 的做法）
|
||
|
||
mineflayer 的 `raycast` / `blockAt` 是纯数据的视线求交 —— 我们不连服务端，
|
||
但**同样的计算**可以跑在存档/注入的世界快照上。
|
||
|
||
```python
|
||
# 基础已有（mcfold/world.py）：
|
||
# World.block_at(x,y,z) -> BlockHit(name, state_id, loaded, source)
|
||
# ★ 它已能区分 unloaded / unknown-state ⇒ mod 方块不会被当成空气
|
||
|
||
# 待加（mcfold/rough.py）：
|
||
def cast_ray(world, origin, direction, max_dist) -> RayHit
|
||
"""沿方向步进（DDA，与 MC 方块网格对齐），返回首个非空气方块"""
|
||
|
||
def visibility(world, eye, target) -> Visibility
|
||
"""两点之间是否通视（被几个方块挡住）"""
|
||
|
||
def slice_view(world, eye, yaw, pitch, w, h) -> AsciiGrid
|
||
"""把视野切成 w×h 的 ASCII 网格（agent 直接读）"""
|
||
|
||
def scene_summary(world, center, radius) -> dict
|
||
"""结构化线索：方块分布 / 开阔度 / 遮挡率（LLM 读数字比读 ASCII 准）"""
|
||
```
|
||
|
||
### 4.4 「ass」的三种展示形态（服务于不同用途）
|
||
|
||
```
|
||
① ASCII 网格 视野切面 —— 人看 + LLM 直接读
|
||
② 结构化线索 开阔度/遮挡率/最近景物/可通行方向 —— LLM 推理用（比①准）
|
||
③ 可选：俯视 ASCII 局部地图（w×h 格，每格一个地标字符）—— 定位用
|
||
```
|
||
|
||
### 4.5 验证口径（★ 改成"各自对各自用途"，不是互相预测）
|
||
|
||
```
|
||
粗渲染的判据（不需要细渲染参与）:
|
||
· block_at 已区分 unloaded / unknown-state ⇒ 不能把未加载当空气
|
||
· cast_ray 的结果与人工推算一致（可构造的简单场景：单方块、空走廊、斜坡）
|
||
· 局部切面的 ASCII 与直接读方块数据一致
|
||
|
||
细渲染的判据（不需要粗渲染参与）:
|
||
· 现有：注入地形 → distinctColors / chunksRendered 达阈
|
||
· 现有：Sodium tracker 通知后 chunkReady > 0
|
||
|
||
★ **不再要求**「粗渲染能预测细渲染」—— 两者服务不同问题
|
||
（用户口径：粗=日常游玩，细=出图与精细判断）
|
||
唯一的交集是「拍照选机位」这一个用例，那里是**用法**上的配合，
|
||
不是**正确性**上的依赖。
|
||
```
|
||
|
||
### 4.6 实现落点
|
||
|
||
`mcfold/rough.py`（新模块，纯 Python、**不依赖 JVM**）
|
||
`tests/test_rough.py`（默认套件里跑，秒级）
|
||
|
||
---
|
||
|
||
## 5. 聊天框 → 拍照 行为链设计（⬜ 未开始）
|
||
|
||
### 5.1 事件流（借鉴 mineflayer 的**事件触发**形态）
|
||
|
||
```
|
||
玩家在聊天框发消息
|
||
↓
|
||
① 收消息 ClientboundSystemChatPacket（或玩家聊天）
|
||
↓
|
||
② 意图识别 "给我拍张照" / "和那座山合个影"
|
||
↓
|
||
③ 需要什么 玩家位置/朝向 + 景物位置 + 可用机位
|
||
↓
|
||
④ 规划 粗渲染（常驻）试 N 个机位 → 挑最好的
|
||
↓
|
||
⑤ 出图 细渲染（单次调用：起 JVM → Iris+光影 → 销毁）
|
||
↓
|
||
⑥ 送达 回聊天 / 发邮件（走现有 agentmail 通路）
|
||
```
|
||
|
||
**mineflayer 的参考点**：它的 `bot.on('chat', ...)` + `bot.chat()` 就是
|
||
这个闭环的极简形态。我们要加的是 ③④⑤（拍照特有的）。
|
||
|
||
### 5.2 三个必须先确认的事实（否则设计是空中楼阁）
|
||
|
||
1. **玩家位置从哪来？** 我们是离屏渲染，没有真玩家实体。
|
||
- 若接服务端：从 `ClientboundPlayerPositionPacket` 拿真玩家位置
|
||
- 若不接：由调用方**指定**一个"玩家"坐标（合成场景）
|
||
2. **"景物"怎么定位？** agent 怎么知道"那座山"在哪？
|
||
- 自然语言 → 坐标，这是**另一个问题**（可能需要俯瞰图 + 索引）
|
||
3. **相机可摆范围？** 不能在方块里、必须在世界高度内、不能超出视距
|
||
|
||
### 5.3 最小可用版本（建议先做这个）
|
||
|
||
不接服务端，用**调用方指定坐标**打通全链：
|
||
|
||
```python
|
||
# agent 调统一接口
|
||
shot = capture_photo(
|
||
world=<存档或注入的场景>,
|
||
subject=(x, y, z), # 景物
|
||
subject_scale=20, # 景物半径
|
||
with_player=True, # 是否要合照
|
||
player_pos=(x, y, z), # 合照时的"玩家"位置
|
||
samples=20, # 粗渲染试几个机位（常驻，毫秒级）
|
||
)
|
||
shot.png → /path/out.png
|
||
shot.rough → ASCII + 线索（给 agent 看它为什么选了这个角度）
|
||
```
|
||
|
||
---
|
||
|
||
## 6. 里程碑（建议顺序）
|
||
|
||
| # | 内容 | 依赖 | 状态 |
|
||
|---|---|---|---|
|
||
| M1 | 修 G1（build.sh 编译 CP 加 Fabric 库），1.21.1 构建跑通 | — | 🔄 |
|
||
| M2 | **抽象模型骨架**：状态/事件/操作三层（照 mineflayer 形状） | — | ⬜ |
|
||
| M2a | └ `rough.py` 常驻粗渲染（World 视图 + DDA 视线 + ASCII/线索） | M2 | ⬜ |
|
||
| M2b | └ 事件总线（粗粒度 + 细分层） | M2 | ⬜ |
|
||
| M3 | 粗渲染自身判据（构造场景；**不要求预测细渲染**） | M2a | ⬜ |
|
||
| M4 | `capture_photo()`（**作为第一个用例**：粗搜机位 → 细出图） | M2a, M2b, M3 | ⬜ |
|
||
| M5 | 服务端交互（configuration / registry_data / 物品表） | M1 | ⬜ |
|
||
| M6 | 聊天框 → agent → 拍照 全链（§5） | M1, M4, M5 | ⬜ |
|
||
|
||
**建议先做 M1 + M2**：M1 解阻断；M2 是**主线**（抽象模型骨架），
|
||
拍照只是它的第一个用例。M2 做完后 agent 就有常驻感知能力了，
|
||
而这正是"日常游玩"的地基。
|
||
★ M3 特意**不叫**"一致性判据"：按用户口径粗/细服务于不同问题，
|
||
不要求粗渲染预测细渲染的像素。M3 只验粗渲染**自己**对日常感知问题的正确性
|
||
（构造简单场景，人工可推算）。
|
||
|
||
---
|
||
|
||
## 7. 工程纪律（本项目已确立的口径）
|
||
|
||
1. **Python 只路由，差异进 Java** —— Python 侧 0 处 MC 类名引用
|
||
2. **验证要能失败** —— 判据必须**构造触发**，不靠观察现状
|
||
（「今天有反例」与「今天没反例」都可能抓不到缺陷）
|
||
3. **extern 参数只传路径** —— 命名空间知识留在 jar 侧
|
||
4. **报数必须带**：来源 + 取数时刻 + 谓词/域
|
||
5. **门禁要放默认套件** —— 放 `--with-render` 才跑的守卫等于没守卫
|
||
6. **实例与内容根同级** —— 绝不嵌套；同版本可多实例
|
||
7. **诚实标注射程** —— 「加载器能起动」≠「mod 能用」
|
||
|
||
---
|
||
|
||
## 8. 环境备忘
|
||
|
||
```
|
||
仓库 /home/newqqagent/plugindev/mcfold （远端 ssh://git@jianfgit.xyz:220/jianf/agentmc.git）
|
||
内容根 /home/newqqagent/mcview/store/vanilla-{1.20.1,1.21.1}/
|
||
实例 /home/newqqagent/mcview/instances/<name>/
|
||
构建产物 内容根/.mcfold/{classes,classes-intermediary.jar,client-named.jar,
|
||
names*.json,named2intermediary.srg,inheritance.map,classpath.txt,
|
||
natives/,fabric/}
|
||
服务端 /home/minecraft （neoforge 1.21.1，mods 若干，端口 25565）
|
||
mineflayer /home/newqqagent/mcbridge/node/node_modules/mineflayer ← 参考实现
|
||
Xvfb :98
|
||
|
||
测试 ./run_tests.sh 66 项
|
||
./run_tests.sh --with-render 80 项（需 MCFOLD_RENDER_CLASSPATH 等）
|
||
```
|
||
|
||
**渲染环境变量**：
|
||
```bash
|
||
export MCFOLD_RENDER_CLASSPATH="$(paste -sd: $STORE/.mcfold/classpath.txt):$STORE/.mcfold/client-named.jar:$STORE/.mcfold/classes"
|
||
export MCFOLD_NATIVES_DIR=$STORE/.mcfold/natives
|
||
export DISPLAY=:98
|
||
```
|