新闻详情

新闻详情

首页 / 资讯中心 / 详情

ServerPackCreator 自动识别纯客户端模组:如何一键排除服务器不需要的 Mod

发布时间:2026/11/13 23:59:01来源:尧图网络
ServerPackCreator 自动识别纯客户端模组:如何一键排除服务器不需要的 Mod
ServerPackCreator 自动识别纯客户端模组如何一键排除服务器不需要的 Mod【免费下载链接】ServerPackCreatorCreate a server pack from a Minecraft Forge, NeoForge, Fabric, LegacyFabric or Quilt modpack!项目地址: https://gitcode.com/gh_mirrors/se/ServerPackCreator ServerPackCreator 是一款为 Minecraft 模组包Modpack一键生成服务器包的工具支持 Forge、NeoForge、Fabric、LegacyFabric 和 Quilt 五大模组加载器。它能自动识别纯客户端模组Clientside-only Mods并通过内置的排除与白名单机制一键排除服务器根本不需要的 Mod让你的服务器包更精简、启动更稳定。为什么要把客户端模组从服务器包里移除很多 Minecraft 模组只影响客户端表现——更好的动画、HUD 显示、音效增强、粒子效果等。比如 Sodium性能优化、BetterF3、JEI 相关显示类模组服务器装了它们毫无用处只会⚠️ 白白占用内存和磁盘空间⚠️ 某些模组在服务端加载时直接导致崩溃⚠️ 增加启动时间因此生成服务器包时剔除纯客户端 Mod是必备步骤。ServerPackCreator 如何自动识别纯客户端模组 ServerPackCreator 内置了自动识别Autodetection功能默认开启。它会逐个扫描 Mod 文件判断其侧面属性Sideness扫描器识别目标适用加载器ForgeAnnotationScannerfml-cache-annotation.jsonForgeForgeTomlScannermods.tomlForgeNeoForgeTomlScannermods.tomlNeoForgeFabricScannerfabric.mod.jsonFabricQuiltScannerquilt.mod.jsonQuilt这些扫描器由统一的 ModScanner.kt 聚合调度。当 Mod 被判定为仅客户端时它会在生成服务器包前被自动从 mods 目录中排除全程无需手动挑选。 自动识别无法做到 100% 完美——部分 Mod 的侧面声明方式千差万别。未被捕获的 Mod 会自动落入**备用列表Fallback List**比对该列表随版本持续更新收录了数百个已知客户端模组。自动识别可通过 serverpackcreator.properties 中的属性de.griefed.serverpackcreator.serverpack.autodiscovery.enabled手动开启或关闭。一键排除3 种最省事的配置方法方法一右键一键加入排除列表 ⚡这是最快捷的方式点击配置中Clientside-only Mods文本区选中Mod 文件名中能标识它的部分建议不含版本号例如connectedglass-这样未来版本也能自动命中右键在弹出菜单中选择加入排除列表或加入白名单方法二文件选择器批量挑选 Clientside-only Mods 字段旁有一个文件夹按钮会打开文件选择器直接在 Mod 包的mods目录里勾选客户端 Mod一次可批量添加多个。方法三重置为官方默认列表 ♻️官方不断在默认列表中补充新发现的客户端模组。要获取最新版菜单栏进入Edit → Update Fallback Clientside Modslist回到服务器包配置的高级区Advanced Section在客户端/白名单列表处点击重置按钮带两个红色箭头的齿轮图标如果你在列表中加了自定义条目重置时会询问是否合并注意保留自己的条目即可。白名单防止误伤服务器必需的 Mod ️自动识别偶尔会出现误判False Positive把服务器真正需要的 Mod 也排除了。这时把该 Mod 加入Whitelist白名单即可——白名单中的 Mod无论是否命中客户端列表都会保留在服务器包中。典型例子Appleskin 曾被误判只需将Appleskin-加入白名单即可永久防止误排除。白名单逻辑实现可见 PackConfig.kt 中的whitelist参数说明。5 种匹配过滤方式精确控制排除行为 排除列表中的每个条目默认与 Mod 文件名做开头匹配START例如条目BetterPingDisplay-会排除BetterPingDisplay-1.16.5-1.0.jar。你可以通过属性de.griefed.serverpackcreator.serverpack.autodiscovery.filter切换 5 种过滤方式定义见 ExclusionFilter.kt模式行为适用场景START默认文件名以条目开头绝大多数情况END文件名以条目结尾按扩展名排除CONTAIN文件名包含条目灵活模糊匹配REGEX按正则表达式匹配高级用户批量规则EITHER以上任一命中即排除⚠️ 慎用可能误伤全部 Mod 小技巧任何文本区都支持CTRLF搜索。不确定某个模组是否在排除列表里直接搜 advan 就能高亮所有包含该词的条目生成并验证你的精简服务器包 ✅配置完成后点击生成ServerPackCreator 会扫描 Mod 包、自动移除已识别的客户端模组、安装对应加载器服务端并可选打包成 CurseForge 兼容的 ZIP。整个流程可在 ServerPackHandler.kt 的compileModList逻辑中溯源。命令行用户同样可用 CLI 模式完成全部流程效果与图形界面完全一致延伸阅读 官方帮助文档HELP.mdClientside-only modslist 与 Automatic detection 章节 Mod 排除专题文档Mod-Exclusions.md 排除配置参考Exclusions.md⚙️ 全局设置界面源码GlobalSettings.kt掌握以上方法你生成的服务器包将只包含服务器真正需要的 Mod——更轻量、更稳定、启动更快【免费下载链接】ServerPackCreatorCreate a server pack from a Minecraft Forge, NeoForge, Fabric, LegacyFabric or Quilt modpack!项目地址: https://gitcode.com/gh_mirrors/se/ServerPackCreator创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉