下拉刷新
C++ 项目

这里是按照「分类」阅读往期的 HelloGitHub 月刊内容, 您目前在查看 HelloGitHub C++ 项目 集合。

1
luanti
Star 1.3w
Vol.123
12 小时前

开源体素游戏创作平台。这是一个开源体素游戏引擎,可以用 Lua 快速做出自己的 3D 方块游戏。它内置内容商店可直接下载来自社区的模组和游戏,支持单人、局域网和多人联机,可在 Windows、macOS、Linux 和 Android 上运行。

luanti
Star 1.4k
Vol.123
10 小时前

老旧平板也能用的手写笔记工具。这是一款专为低成本设备优化的跨平台手写笔记应用,目标是在老旧平板上实现接近 iPad 的书写体验。它支持压感书写、多图层、PDF 批注和手写 OCR,可在 Windows、macOS、Linux、Android 和 iPadOS 上运行。作者想让无纸化学习平民化,同时为那些被遗忘在角落的旧设备注入新的活力。

SpeedyNote
3
o3de
Star 9.5k
Vol.122
15 小时前

免费开源的 3D 引擎。这是一款免费、开源、实时的 3D 引擎,可用于开发 3A 级游戏、电影级画质的 3D 场景和仿真应用,支持 Windows、Linux 平台。

o3de
Star 7.4k
Vol.122
1 天前

吉卜力工作室同款 2D 动画制作软件。这是一款开源的 2D 动画制作软件,由知名动画工作室吉卜力深度定制演化而来,提供扫描、上色、合成、特效和影片输出等数字动画制作流程,支持 Windows、macOS、Linux 平台。

opentoonz
Star 476
Vol.121
1 个月前

拷贝一个头文件就能做游戏的 C++ 库。这是一款面向 C++ 初学者的单头文件 2D 游戏开发库,无需安装或链接任何库,内置窗口、绘图、精灵动画、键鼠输入、音效和碰撞检测等功能。

GameLib
Star 1.5w
Vol.121
14 小时前

支持多品牌 3D 打印机的开源切片软件。这是一款开源的 3D 打印切片工具,内置流速调节、温度塔、回抽测试等校准套件,支持 Bambu Lab、Prusa、Creality 等主流打印机品牌,适用于 Windows、macOS 和 Linux 平台。

OrcaSlicer
7
mujoco
Star 1.4w
Vol.120
10 小时前

开源的高性能通用物理引擎。该项目是由 Google DeepMind 开源的通用物理仿真引擎,专注于复杂关节结构与环境交互模拟。它内置可视化交互式界面,支持使用 MJCF 描述场景,适用于机器人、具身智能、生物力学、动画和机器学习等场景。

mujoco
8
RCLI
Star 1.5k
Vol.120
4 个月前

专为 macOS 打造的本地语音 AI 助手。这是一款针对苹果芯片优化的本地语音 AI 命令行工具,集成了语音识别、LLM、VLM 和语音合成功能,全流程本地推理不依赖云端服务,支持语音控制音乐播放、创建提醒、调节音量等操作,并可分析屏幕或图片内容。

RCLI
Star 783
Vol.119
2 个月前

Windows 鼠标特效增强工具。这是一款轻量级的 Windows 桌面鼠标/光标特效工具,支持点击波纹、粒子拖尾、悬停发光、漂浮文字等多种鼠标特效。

MFCMouseEffect
10
zvec
Star 1.5w
Vol.119
20 小时前

轻量级进程内向量数据库。该项目是阿里开源的进程内向量数据库,无需独立部署即可直接使用。它基于 Proxima 引擎构建,提供本地化、低延迟的向量数据管理和语义检索能力,支持混合搜索、数据持久化、重排序等功能。

import zvec

# Define collection schema
schema = zvec.CollectionSchema(
    name="example",
    vectors=zvec.VectorSchema("embedding", zvec.DataType.VECTOR_FP32, 4),
)

# Create collection
collection = zvec.create_and_open(path="./zvec_example", schema=schema)

# Insert documents
collection.insert([
    zvec.Doc(id="doc_1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]}),
    zvec.Doc(id="doc_2", vectors={"embedding": [0.2, 0.3, 0.4, 0.1]}),
])

# Search by vector similarity
results = collection.query(
    zvec.VectorQuery("embedding", vector=[0.4, 0.3, 0.3, 0.1]),
    topk=10
)

# Results: list of {'id': str, 'score': float, ...}, sorted by relevance
print(results)