天马G前端的使用

天马G前端的使用

1 复古掌机的选择

最近搞了个手柄,正好有一个闲置的小米9,就想着看能不能装一个复古掌机出来。

其实市场上也有很多现成的复古掌机,目前主要是安卓和Linux两种。整体上看安卓的目前占优一点,因为除了大家都能玩的模拟器,安卓平台还能玩安卓的游戏。

项目Android 掌机Linux 掌机 (ArkOS / JELOS / Batocera)
启动速度20~40 秒5 秒以内
UI一致性❌ 多 app 无统一样式✅ 完整游戏平台风格
PS2(AetherSX2)✅ 可玩(Snapdragon / Dimensity / Unisoc)❌ 官方 Linux 版 core 不成熟
Switch(Yuzu)✅ 安卓有社区版 Yuzu❌ 完全无解
PSP/NDS/GBA etc✅ 但调用 APK,界面割裂✅ 全集成 Core,UI统一
云游戏 / Steam Link✅ 完全支持⚠️ 只能 Moonlight(若有 Core)
系统自由度限制 root,定制难✅ 想怎么魔改都行
易用性✅ 下载 ROM → 配 APK → 玩⚠️ 需要 BIOS / Core 手动配置
适合人群玩模拟器 + 云游戏 + 装APP想要 “开机就是游戏机” 的感觉
视觉体验类似安卓电视盒 + 各种前端像原生游戏机固件,主题风统一

有一个很奇怪点,安卓其实也是Linux的魔改版,为什么有些模拟器目前只能在安卓上运行。查了一下,这个就完全是生态和个人原因了。PS2模拟器的作者Tahlreth只开发了AetherSX2 for Android,其中使用了Android NDK + Vulkan/OpenGL ES来实现JIT。这些都几乎是安卓平台独有的,无法直接移植到Linux。

JIT / 动态重编译器(Dynarec)

JIT(即时编译)/ 动态重编译器(Dynarec)是模拟器、虚拟机等场景中核心的性能优化技术,它能在程序(如游戏 ROM 指令)运行时,将宿主设备不兼容的原始指令(如游戏机专属指令集)实时转换为宿主硬件可直接执行的机器码,而非逐条解释执行;同时,它会持续监测并识别频繁执行的 “热点代码”,通过函数内联、循环展开等优化手段生成更高效的机器码,大幅减少指令翻译开销,让原本因 “指令不兼容 + 解释低效” 卡顿的程序(如 PS2、Switch 游戏模拟),在手机、电脑等设备上实现流畅运行,平衡了跨平台兼容性与执行效率。

就复古掌机来说,最难的部分其实就是模拟器。涉及到对汇编指令的模拟和调度,也就是上面的JIT。之前写过一点GB的模拟器,后面空了发出来。

再看看市场的情况,截至今天2025/10/11。用很火的安伯尼克来看。

35XX是T700,1 颗 2.5GHz 的 Cortex-A76 大核、3 颗 2.3GHz 的 Cortex-A76 大核。406V是T820, 1 颗 2.7GHz 的 Cortex-A76 大核、3 颗 2.3GHz 的 Cortex-A76 大核。总体来说性能有提升,但是提升不大。可是价格却翻了2~3倍。

正好手里有一个闲置的小米9,配置高通骁龙 855 处理器。对比T820,855 单核几乎翻倍,整体多核也 1.5–2 倍以上。同时855GPU性能是T820的3倍以上。

而年初买的二手的小米9多少钱呢,350,现在可能还更便宜。自己再加上一个手机手柄,加完也就只是406V一半的价格,目前市场上的安卓掌机价格偏贵是不争的事实。自己动手价格减半,性能翻倍,中间还可以学一些知识。所以折腾一下小米9,看来是更明智的选择。。。

2 天马G前端的安装

看了一下,目前国内流行的就是天马G的前端。现在不管是玩家还是工作室,几乎都用的这个。

在网上买了一套包,照着安装即可。(在B站也很多,感觉也是可以用的)

安装分成三个步骤,首先是App,然后是配置,最后是Roms。

2.1 APKS

大概是这些内容,MT管理器是用来拷贝文件的,天马G就是整体入口,用的最多的其实还是RA,其它的就是各个单独的模拟器。我是用adb装过去的。安装完成之后启动一下赋予权限,不需要再高别的什么。

3.2 配置

配置有3个,PG_安卓主题包 v1.2 230514.zip,PG_天马G 安卓配置 v1.2 230415.zip,最后有一个Android文件夹。

这里PG_安卓主题包 v1.2 230514.zip,PG_天马G 安卓配置 v1.2 230415.zip都是天马G的配置文件,然后有一些金手指,文件存档之类。

还有一个Android的文件夹。

原因如下:

在 Android 11 及以上系统中,每个 App 的数据目录(Android/data/包名)是受系统沙盒保护的,普通文件管理器无法直接写入。
但天马 G 前端要让多个独立 App(Pegasus、RetroArch、AetherSX2)共享配置文件、ROM 路径和启动脚本,因此需要提前把它们的配置放好。

所以目前这部分只能手动弄。

3.3 Roms

Rom的内容就比较敏感的,就是合法与非法的区别,所以模拟器或者各大工作室,是不会提供ROM的,起码明面上不会,这些就要自己去找。不过好在国内这部分有现成的,就是跳坑者联盟有一个整合包,里面内容还挺全的。现在网上基本都是他家的。

Rom就是正常的游戏镜像,照理说直接拷贝到SD卡或者手机上就行了,但是天马G毕竟显示牛批嘛。所以根据天马前端UI的要求,要增加一些文件。

以恶魔城,白夜协奏曲为例,大概是这些文件。

一个主图,一个副图,一个介绍动画。

此外整体还有一个metadata,直接用精简包里面的即可。弄完之后放在手机根目录的 Roms下面。

如果是用的跳坑者联盟的发布,这些内容在精简包里面都是做好了的。

3.4 运行

比想的要顺利一点。

首先界面确实华丽了不少,比起一般linux掌机就是文字,确实好看也方便了很多。

使用USB直接外接的手柄,也是非常方便,几乎感觉不到延迟。

但是手机也有自己的问题,主要就是屏幕尺寸,运行很多游戏时,两边会有很大的黑边,影响了一部分游戏感受。不过PSP就看着好很多。

总体还是满意的,钱省了,然后闲置的物品也利用起来了,探索技术的心情也满足了。

3 天马G的技术原理

 天马G其实也是一个开源项目,官网地址是:https://pegasus-frontend.org/

其实和之前认为的有点点区别,天马G还真就只是一个前端,所有干的事情就相当于一个ROM管理器和模拟器启动器launcher。所有的核心内容,还是依赖于各家模拟器自己的APK。

整套本身实现是基于QT,所以才看到天马G现在有那么多平台。其实功能本身不复杂,也没有太核心的技术,还是调用第三方的模拟器。看了一下,Android的核心代码如下:

 public static String launchAmCommand(String[] args_arr) { final LinkedList<String> args = new LinkedList(Arrays.asList(args_arr)); if (args.isEmpty()) return "No arguments provided to 'am'"; final String am_command = args.pop().toLowerCase(); if (!am_command.equals("start")) return "For 'am', only the 'start' command is supported at the moment, '" + am_command + "' is not"; try { Intent intent = IntentHelper.parseIntentCommand(args); intent.addFlags(Intent.FLAG_ACTIVITY_NEW_TASK); intent.addFlags(Intent.FLAG_GRANT_READ_URI_PERMISSION); m_self.startActivity(intent); } catch (Exception e) { return e.toString() + ": " + e.getMessage(); } return null; }

拼接好参数,JNI直接startActivity去调用三方模拟器。天马G提供的,就是一套UI框架,也只有一套这个。如果你直接装一个RetroArch,感觉其实也能玩,还方便很多。

4 FPGA的扩充

对模拟器本身还是挺关注的,能否接一个FPGA来提升性能呢?将来的将来的将来再看吧。。。

Read more

新手必看!用Python手把手教你写第一个AI小工具

新手必看!用Python手把手教你写第一个AI小工具

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” * 📖 写在前面 * 🎯 项目简介:智能PDF文档助手 * 功能特性 * 项目亮点 * 🛠️ 环境准备 * 2.1 Python环境检查 * 2.2 安装依赖库 * 2.3 获取OpenAI API Key * 📝 项目结构设计 * 💻 核心代码实现 * 3.1 配置文件 (config.py) * 3.2 PDF读取模块 (pdf_reader.py) * 3.3 AI客户端模块 (ai_client.py) * 3.4 主程序入口 (main.py) * 📊 项目功能流程图 * 🎯 使用示例 * 4.

【GitHub项目推荐--CopilotKit:AI Copilot前端开发框架】

简介 CopilotKit是一个开源的前端AI助手开发框架,专门为构建AI Copilot、聊天机器人和应用内AI代理提供React UI组件和优雅的基础设施。该项目采用现代化的前端技术栈,旨在简化和加速AI功能的集成过程,让开发者能够快速在应用中添加智能交互能力。CopilotKit框架设计注重开发体验和性能优化,支持从简单聊天界面到复杂AI代理的各种应用场景。 核心价值: * 开发效率:分钟级集成AI功能,大幅缩短开发周期 * 框架无关:支持React、Next.js、AGUI等多种前端框架 * 生产就绪:提供企业级UI组件,内置安全防护机制 * 高度可定制:支持从底层API到UI组件的全方位定制 技术定位:CopilotKit填补了AI后端能力与前端用户体验之间的空白。通过提供标准化的组件和API,它让前端开发者能够轻松集成复杂的AI功能,而无需深入了解底层AI技术细节。其模块化架构平衡了开箱即用的便利性和深度定制的灵活性。 主要功能 1. 现代化React UI组件 提供完整的Copilot侧边栏组件,支持深度样式定制。可配置的聊天界面,适应不同应用场景

一键部署:用OpenAI API格式调用20+主流大模型(ChatGLM/文心一言/通义千问等)

一键部署:用OpenAI API格式调用20+主流大模型(ChatGLM/文心一言/通义千问等) 1. 为什么你需要一个统一的API入口 你是不是也遇到过这些情况: * 想在本地部署一个AI助手,却发现每个大模型都有自己的API格式——ChatGLM要填/chat路径,文心一言要走/v2.1/bce/wenxinworkshop/ai/generate,通义千问又是一套完全不同的参数结构; * 项目里已经写好了OpenAI调用逻辑,现在想换成国产模型,结果要重写所有请求封装、错误处理、流式响应解析; * 同时测试多个模型效果,却要在代码里反复切换不同SDK、不同认证方式、不同超时配置; * 更头疼的是,有些模型需要代理、有些要翻墙、有些必须用HTTPS、有些对请求头敏感——光是环境适配就耗掉半天。 这些问题,其实都指向同一个核心痛点:模型太多,接口太碎,开发太累。 而今天要介绍的这个镜像,就是为了解决这个问题而生的——它不训练模型,不优化性能,不做任何推理计算。它只做一件事:把20多个主流大模型,全部“

LLaMA Factory 从入门到精通,一篇讲完

LLaMA Factory 从入门到精通,一篇讲完

目录 一、LLaMA-Factory 简介 二、安装部署 三、数据微调 1、数据集的建立 2、数据集格式 3、模型参数 4、开始运行 5、导出模型 四、webui 评估预测与对话 导出 五、SFT 训练 命令行 六、LoRA 合并 合并 量化 七、推理 原始模型推理配置 微调模型推理配置 多模态模型 批量推理 八、评估 通用能力评估 NLG 评估 评估相关参数 一、LLaMA-Factory 简介 LLaMA Factory 是一个简单易用且高效的大型语言模型(Large