StarUML(6.3.3)2025-10-24更新!下载、破解、汉化及搭建C++扩展,从0到1全攻略教程(Windows11)

-1#主包作为第一次配StarUML环境可谓是吃进苦头,像无头苍蝇般,这里无偿分享给大家,如何从0到1实现汉化、破解、及解决软件c++扩展下载失败的问题

1.StartUML的下载

1.1官网网址:

StarUMLhttps://staruml.io/

1.2进去后按照此:

1.3然后点击运行,其正常界面如(代表下载成功):

2.StartUML的汉化及破解

2.1找到StartUML的安装目录(如1.2可知,一般在C盘的Program Files里)

在其根目录下找到 resources(如图):

2.2进入resources文件夹,找到 app.asar:

2.3 访问此网址:

https://github.com/X1a0He/StarUML-CrackedAndTranslatehttps://github.com/X1a0He/StarUML-CrackedAndTranslate

 进去之后点击 Releases 下的 StarUML6.3.3按照:

2.4下载app.asar:

2.5找到下载好的app.asar文件,并点击复制,再到2.2的目录下,替换原有的app.asar文件

2.6重新运行StartUML,出现如图格式,则代表汉化及破解成功:

3 如何实现添加C++扩展(一般情况,即软件内可以正常安装c++扩展,但是我反正是不行,下面介绍第二种)

3.1 进入软件 工具->扩展管理器:

3.2进去之后选择C++,然后点击安装即可:

4.如何实现添加C++扩展法二

4.1首先进入C盘该目录 :

4.2再进入Roaming文件夹内:

4.3找到StartUML文件夹,并进入:

4.4找到extensions文件夹并进入:

4.5进入user目录:

4.5.1进入该网址:

https://github.com/staruml/staruml-cpphttps://github.com/staruml/staruml-cpp

4.5.2点击source code 自动下载:

4.6复制该文件夹(staruml-cpp-0.9.4)到4.5的user目录(注意一定是要进入user文件夹内,一般是空的,因为没有安装插件):

4.7之后再次打开软件 工具(如图),则配置成功:

关于StarUML的汉化破解及C++扩展就分享到这。

Read more

政安晨【零基础玩转开源AI项目】OpenClaw 跨平台AI助手完全使用指南:从入门到精通 (基于我这段时间在Ubuntu Linux系统上的使用经验为大家总结一下)

政安晨【零基础玩转开源AI项目】OpenClaw 跨平台AI助手完全使用指南:从入门到精通 (基于我这段时间在Ubuntu Linux系统上的使用经验为大家总结一下)

政安晨的个人主页:政安晨 欢迎 👍点赞✍评论⭐收藏 希望政安晨的博客能够对您有所裨益,如有不足之处,欢迎在评论区提出指正! 【详细安装过程见我博客的上上篇文章】 目录 第一章:OpenClaw核心概念与架构 1.1 什么是OpenClaw? 1.2 OpenClaw技术架构 1.3 支持的模型 第二章:安装与配置 2.1 系统要求 2.2 快速安装(推荐) 2.3 从源码安装(开发版) 2.4 Docker安装 2.5 配置文件详解 第三章:通道配置详解 3.1 飞书配置 3.2 Telegram配置 3.

By Ne0inhk
Qwen3.5开源矩阵震撼发布!从0.8B到397B,不同规模模型性能、显存、速度深度对比与选型指南来了!

Qwen3.5开源矩阵震撼发布!从0.8B到397B,不同规模模型性能、显存、速度深度对比与选型指南来了!

截至今天2026年3月3日,Qwen3.5已形成从0.8B到397B的完整开源矩阵,分为轻量稠密(0.8B/2B/4B/9B/27B)、中型MoE(35B-A3B/122B-A10B)、旗舰MoE(397B-A17B)三大梯队。不同尺度在性能、显存、速度、场景上差异显著,下面是完整对比与选型指南,仅供参考。 一、Qwen3.5全尺度核心参数总览(2026.3最新) 1.轻量稠密系列(Dense,个人/边缘/轻量服务) 名称总参数激活参数架构上下文显存****FP164bit****量化显存定位Qwen3.5-0.8B0.8B0.8BDense32K1.6GB0.4GB极致轻量、端侧/实时交互Qwen3.5-2B2B2BDense32K4GB1GB移动端/IoT、低延迟对话Qwen3.5-4B4B4BDense64K8GB2GB轻量Agent、多模态基座Qwen3.

By Ne0inhk
终于有人把Openclaw团队协作版讲明白了!Clawith 开源方案从原理到部署全拆解

终于有人把Openclaw团队协作版讲明白了!Clawith 开源方案从原理到部署全拆解

Clawith 深度拆解:如何用开源方案搭建多 Agent 团队协作平台 快速摘要 Clawith 是一个基于 OpenClaw 生态的开源多智能体协作平台,它解决了 OpenClaw 在团队场景下「Agent 之间互不认识、缺乏组织架构、没有权限管控」的三大核心痛点。 通过引入 Aware 自主感知系统、数字员工身份体系和广场知识沉淀机制,Clawith 让多个 AI Agent 具备了真正的团队协作能力。项目采用 Apache 2.0 开源协议,支持 Docker 一键部署,最低 2 核 CPU + 4GB 内存即可运行。往下看,有从底层原理到实际部署的完整拆解。 一、从 OpenClaw 到 Clawith:为什么需要「团队版」

By Ne0inhk
【机器人】复现 RoboBrain2.0 具身大脑模型 | 统一感知、推理和规划能力

【机器人】复现 RoboBrain2.0 具身大脑模型 | 统一感知、推理和规划能力

RoboBrain 2.0是一个机器人的具身大脑模型,具备统一感知、推理和规划能力; 同时适应对物理环境中复杂的具身任务; 它提供不同版本:轻量级的3B、7B模型和全尺寸的 32B 模型,包含视觉编码器和语言模型。 代码地址:https://github.com/FlagOpen/RoboBrain2.0 论文地址:RoboBrain 2.0 Technical Report 目录 快速了解模型 1、创建Conda环境 2、安装依赖库 3、安装torch 4、模型推理 示例1:图文问答,使用RoboBrain2.0-7B模型,不开思考模式 示例2:图文问答,使用RoboBrain2.0-7B模型,开启思考模式 示例3:图文问答,使用RoboBrain2.0-3B模型 示例4:

By Ne0inhk