YarnSpinner 3.0.0版本发布:对话脚本编译器的重大升级
YarnSpinner是一个专门为游戏开发者设计的对话脚本系统,它允许开发者使用简洁的Yarn脚本语言来编写游戏对话和分支剧情。作为一个开源项目,YarnSpinner已经被广泛应用于各种叙事驱动的游戏中。最新发布的3.0.0版本带来了多项重要改进和新特性,标志着这个工具在性能和功能上都达到了新的高度。
核心特性增强
3.0.0版本引入了对可变参数函数的支持,这一特性极大地增强了Yarn脚本的表达能力。开发者现在可以创建接受任意数量参数的函数,为复杂的对话逻辑提供了更灵活的解决方案。
编译过程也得到了显著优化,新增了编译取消功能。通过向CompilationJob对象提供CancellationToken,开发者可以在必要时中断长时间运行的编译任务,这一改进特别适合处理大型对话脚本项目。
调试信息方面,新增了NodeDebugInfo.Range属性,可以精确追踪节点在源代码中的位置范围。同时,NodeDebugInfo.IsImplicit属性帮助开发者区分编译器生成的隐式节点和源代码中显式定义的节点。
语言服务器改进
YarnSpinner的语言服务器功能在3.0.0版本中获得了多项增强。现在当检测到指向不存在的目标节点的jump语句时,系统会发出警告并提供修复建议,包括创建存根节点或重命名为现有节点标题。
命令和函数的处理也更加健壮,修复了当YarnCommand和YarnFunction标记的方法声明在嵌套C#类中时可能导致语言服务器崩溃的问题。自动补全功能现在包含节点组信息,同时移除了对组内单个节点名称的补全建议,因为无法直接跳转到这些节点。
性能与稳定性提升
类型检查器的性能在处理大量变量声明时得到了显著改善,这对于包含复杂对话逻辑的大型项目尤为重要。LineParser现在能更准确地检测行中的第一个冒号位置,用于隐式角色名的识别。
select标记现在使用固定文化(invariant culture)而非用户当前文化来转换其值,虽然这个改变对大多数用户影响不大,但它消除了一个潜在的国际化问题。
API调整与兼容性
3.0.0版本对API进行了一些调整以提供更清晰的接口。CompilationJob.VariableDeclarations被重命名为CompilationJob.Declarations,前者现在作为后者的转发属性被标记为已弃用。Yarn.Analysis类型已从公共API中移除,这些变更旨在简化API并提高一致性。
项目现在支持.NET Standard 2.1,同时语言版本从C# 8升级到了C# 9,使开发者能够利用最新的语言特性。
开发者体验优化
新增的subtitle头部可以用于控制节点的内部名称,为调试提供了更多便利。Utility.TagLines现在能正确处理带有特殊标签的行,避免在这些行上添加不允许的#line:标签。
关键字高亮显示也更加一致,使内置语法如jump和enum在编辑器中更加醒目,提升了代码的可读性。
YarnSpinner 3.0.0版本的这些改进共同构成了一个更加强大、稳定和易用的对话脚本系统,为游戏叙事开发提供了更完善的工具支持。无论是小型独立游戏还是大型商业项目,这些增强功能都将帮助开发者更高效地创建复杂的对话系统和分支剧情。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00