Add shadow jar support, custom OpenAI base URL, and Chinese docs

.gitignore

@@ -16,7 +16,7 @@ out/
 run/
 
 # Config with API keys
-config/steve-common.toml
+run/config/steve-common.toml
 run/config/steve-common.toml
 
 # Media files (large binaries)
@@ -42,3 +42,5 @@ Desktop.ini
 
 # JDK
 jdk-17.0.2.jdk/
+
+Amulet

README_zh.md

@@ -0,0 +1,298 @@
+# Steve AI - 我的世界自主AI智能体
+
+为我的世界打造的Cursor。和帮助你写代码的AI不同，这是一个真正陪你玩游戏AI智能体。
+
+https://github.com/user-attachments/assets/23f0ccdd-7a7a-4d49-9dd9-215ebf67265a
+
+## 功能介绍
+
+Steve作为一个智能体运行，你可以根据需要部署一个或多个智能体。你描述需求，Steve理解上下文并执行。同样的概念，只不过不是代码编辑，而是在你的我的世界游戏中运行的具身智能体。
+
+界面很简单：按K打开面板，输入你的需求。智能体负责理解、规划和执行。说"挖点铁"，智能体会推理铁的生成位置、导航到合适的深度、找到矿石矿脉并提取资源。想要一座房子，它会考虑可用材料、生成合适的结构，然后一块一块地建造。
+
+有趣的是多智能体协作。当多个Steve一起完成同一个任务时，他们不是独立执行，而是主动协调以避免冲突和优化工作分配。让三个智能体建造一座城堡，他们会自动划分结构、在他们之间分配区域、并行进行建造。
+
+这些智能体不是按照预定义脚本运行的。它们根据自然语言指令操作，这意味着：
+- **资源开采**：智能体确定最佳开采位置和策略
+- **自主建造**：智能体规划布局和材料使用
+- **战斗与防御**：智能体评估威胁并协调响应
+- **探索与采集**：路径规划和资源定位
+- **协作执行**：自动工作负载平衡和冲突解决
+
+## 快速开始
+
+**你需要：**
+- Minecraft 1.20.1 含Forge
+- Java 17
+- OpenAI API密钥（或者如果你喜欢也可以用Groq/Gemini）
+
+**安装步骤：**
+1. 从 releases 下载JAR文件
+2. 放入你的 `mods` 文件夹
+3. 启动Minecraft
+4. 将 `config/steve-common.toml.example` 复制为 `config/steve-common.toml`
+5. 将你的API密钥添加到配置文件中
+
+**配置示例：**
+```toml
+[openai]
+apiKey = "your-api-key-here"
+model = "gpt-3.5-turbo"
+maxTokens = 1000
+temperature = 0.7
+```
+
+然后用 `/steve spawn Bob` 生成一个Steve，按K开始下达指令。
+
+## 使用示例
+
+```
+"挖20个铁矿石"
+"在我附近建一座房子"
+"帮助Alex建塔"
+"保护我免受僵尸攻击"
+"跟着我"
+"从那片森林砍木头"
+"在这里建一个圆石平台"
+"攻击那个苦力怕"
+```
+
+智能体很擅长理解你的意思。不需要特别具体。
+
+## 技术架构
+
+### 系统概述
+
+每个Steve运行一个自主智能体循环，通过LLM处理自然语言命令，将其转换为结构化动作，并使用我的世界的游戏机制执行。系统使用直接动作执行模型，针对实时游戏玩法进行了优化，而非传统的ReAct框架。
+
+**核心执行流程：**
+1. 通过GUI捕获用户输入（按K）
+2. 将任务连同对话上下文发送到TaskPlanner
+3. LLM（Groq/OpenAI/Gemini）生成结构化动作计划
+4. ResponseParser从LLM响应中提取动作
+5. ActionExecutor通过专业动作类处理动作
+6. 动作逐tick执行以避免游戏冻结
+7. 结果反馈到对话记忆中以提供上下文
+
+### 核心组件
+
+**LLM集成** (`com.steve.ai.llm`)
+- **GeminiClient, GroqClient, OpenAIClient**：可插拔的LLM提供商用于智能体推理
+- **TaskPlanner**：协调LLM调用，包含上下文（对话历史、世界状态、Steve能力）
+- **PromptBuilder**：构建包含可用动作、示例和格式说明的提示
+- **ResponseParser**：从LLM响应中提取结构化动作序列
+
+**动作系统** (`com.steve.ai.action`)
+- **ActionExecutor**：基于tick的动作执行引擎（防止游戏冻结）
+- **BaseAction**：所有动作的抽象类（采矿、建造、移动、战斗等）
+- **Task**：动作参数和元数据的数据模型
+- **可用动作**：
+  - MineBlockAction：智能矿石/方块开采与寻路
+  - BuildStructureAction：程序化及模板化建造
+  - PlaceBlockAction：单个方块放置与验证
+  - MoveToAction：基于寻路的移动
+  - AttackAction：目标选择的战斗
+  - FollowAction：玩家/实体跟随
+  - WaitAction：受控延迟和同步
+
+**结构生成** (`com.steve.ai.structure`)
+- **StructureGenerators**：程序化生成算法（房屋、城堡、塔楼、谷仓）
+- **StructureTemplateLoader**：从资源加载NBT文件
+- **BlockPlacement**：方块定位的共享数据结构
+
+**多智能体协作** (`com.steve.ai.action`)
+- **CollaborativeBuildManager**：并行建造的服务器端协调
+- **空间分区**：自动将结构划分为非重叠区域
+- **工作分配**：将区域分配给可用的Steve
+- **冲突预防**：使用位置跟踪的原子方块放置
+- **动态再平衡**：智能体提前完成时重新分配工作
+
+**记忆与上下文** (`com.steve.ai.memory`)
+- **SteveMemory**：每个智能体的对话历史和任务上下文
+- **WorldKnowledge**：跟踪已发现的资源、地标和空间数据
+- **StructureRegistry**：已建结构的目录以供参考和避让
+
+**代码执行** (`com.steve.ai.execution`)
+- **CodeExecutionEngine**：用于LLM生成脚本的GraalVM JavaScript引擎
+- **SteveAPI**：将Minecraft动作暴露给脚本的安全API桥接
+- **沙箱**：阻止有害操作的受限环境
+
+### 关键设计决策
+
+**基于Tick的执行**
+动作在多个游戏tick中增量运行，而非阻塞。这防止了服务器冻结并保持响应性。每个动作的 `tick()` 方法每帧做最少的工作，并在内部跟踪进度。
+
+**直接动作执行（非传统ReAct）**
+虽然受ReAct启发，我们使用直接动作执行用于实时游戏。LLM预先生成完整的动作序列，而非迭代的观察-思考-动作循环。这减少了API调用和延迟，对游戏响应至关重要。
+
+**多智能体协调**
+协作建造使用确定性空间分区。结构根据智能体数量划分为矩形区域。每个Steve原子性地声明一个区域，防止冲突。管理器完全在服务器端使用ConcurrentHashMap实现线程安全。
+
+**记忆管理**
+上下文窗口通过修剪旧消息来管理，同时保留最近的对话和关键世界状态。每次LLM调用包括：对话历史（最近10次交换）、当前任务详情、Steve的位置/背包、以及已知的世界特征。
+
+### 与Minecraft的集成
+
+**实体注册**
+Steve是通过Forge延迟注册系统注册的自定义EntityType。它们扩展PathfinderMob以集成 vanilla寻路，并实现自定义目标用于AI行为。
+
+**事件钩子**
+- ServerStarting：初始化协作建造管理器
+- ServerStopping：清理活动任务并保存状态
+- ClientTick：GUI渲染和输入处理
+
+**GUI实现**
+使用K键激活的自定义覆盖GUI。使用Minecraft的Screen类和自定义渲染。提交时将文本输入转发到TaskPlanner。
+
+## 从源码构建
+
+标准Gradle工作流程：
+
+```bash
+git clone https://github.com/YuvDwi/Steve.git
+cd Steve
+./gradlew build
+```
+
+输出JAR将在 `build/libs/`。要在开发环境测试：
+
+```bash
+./gradlew runClient
+```
+
+**项目结构：**
+```
+src/main/java/com/steve/ai/
+├── entity/          # Steve实体、生成、生命周期
+├── llm/             # LLM客户端、提示构建、响应解析
+├── action/          # 动作类和协作建造管理器
+├── structure/       # 程序化生成和模板加载
+├── memory/          # 上下文管理和世界知识
+├── execution/       # JavaScript代码执行引擎
+├── client/          # GUI覆盖层
+└── command/         # Minecraft命令（/steve spawn等）
+```
+
+## 贡献
+
+欢迎贡献！以下是入门方法：
+
+### 报告Bug
+
+1. 首先检查[现有issue](https://github.com/YuvDwi/Steve/issues)
+2. 包括：
+   - Minecraft/Forge/Steve AI版本
+   - 复现步骤
+   - 预期与实际行为
+   - 来自 `logs/latest.log` 的日志
+
+### 提交代码
+
+1. **Fork并克隆**
+   ```bash
+   git clone https://github.com/YourUsername/Steve.git
+   cd Steve
+   ```
+
+2. **创建功能分支**
+   ```bash
+   git checkout -b feature/your-feature-name
+   ```
+
+3. **进行更改**
+   - 遵循代码风格（4空格缩进，公共API用JavaDoc）
+   - 用 `./gradlew build && ./gradlew runClient` 测试
+
+4. **提交PR**
+   - 清晰的提交信息
+   - 描述更改内容和原因
+   - 关联相关issue
+
+### 代码风格
+
+- **类名**：PascalCase
+- **方法/变量**：camelCase
+- **常量**：UPPER_SNAKE_CASE
+- **缩进**：4空格
+- **行长度**：最多120字符
+- **注释**：公共方法用JavaDoc
+
+**添加新动作：**
+1. 在 `com.steve.ai.action.actions` 中扩展 `BaseAction`
+2. 实现 `tick()`、`isComplete()`、`onCancel()`
+3. 更新 `PromptBuilder.java` 告知LLM新动作
+4. 在提示模板中添加使用示例
+
+## 配置
+
+编辑 `config/steve-common.toml`：
+
+```toml
+[llm]
+provider = "groq"  # 选项：openai, groq, gemini
+
+[openai]
+apiKey = "sk-..."
+model = "gpt-3.5-turbo"
+maxTokens = 1000
+temperature = 0.7
+
+[groq]
+apiKey = "gsk_..."
+model = "llama3-70b-8192"
+maxTokens = 1000
+
+[gemini]
+apiKey = "AI..."
+model = "gemini-1.5-flash"
+maxTokens = 1000
+```
+
+**性能提示：**
+- 使用Groq获得最快推理（推荐用于游戏）
+- GPT-4更好的规划但延迟更高
+- 较低温度（0.5-0.7）使动作更确定性
+
+## 已知问题
+
+**智能体只和LLM一样聪明。** GPT-3.5能用但偶尔会有奇怪的决定。GPT-4在多步规划上明显更好。
+
+**还没有合成系统。** 智能体能挖矿和放置方块但还不能合成工具。正在努力开发中。
+
+**动作是同步的。** 如果Steve正在挖矿，它在完成前什么都做不了。计划添加正确的异步执行。
+
+**记忆在重启时重置。** 目前上下文只在游戏会话期间持续。正在添加带有向量数据库的持久化记忆。
+
+## 后续计划
+
+计划中的功能：
+- 合成系统（智能体自己制作工具）
+- 通过Whisper API实现语音命令
+- 用于长期记忆的向量数据库
+- 用于多任务的异步动作执行
+- 更多建造模板和程序化生成
+- 复杂地形的增强寻路
+
+目标是让这个在生存游戏中真正有用，而不仅仅是一个技术演示。
+
+## 为什么做这个
+
+我们想看看Cursor模型是否能在编码之外工作。事实证明它相当适用。同样的原则：深度环境集成、清晰的动作原语、持久上下文。
+
+我的世界实际上是智能体研究的好测试场。足够复杂以至于有趣，足够受限以至于智能体能够真正成功。
+
+而且看着AI建造城堡而你去探索真的很有趣。
+
+## 致谢
+
+- OpenAI/Groq/Google提供LLM API
+- Minecraft Forge提供模组框架
+- LangChain/AutoGPT提供智能体架构灵感
+
+## 许可证
+
+MIT
+
+## 问题反馈
+
+发现Bug？开一个issue：https://github.com/YuvDwi/Steve/issues