Harbinger项目解析:Minecraft 1.12+进度系统深度指南
2025-07-02 16:04:31作者:侯霆垣
进度系统概述
Minecraft 1.12版本引入的进度系统(Advancement)是对旧版成就系统的全面升级。作为Harbinger项目的重要组成部分,这套系统不仅保留了成就的核心功能,还提供了更强大的自定义能力和更丰富的交互体验。
进度系统核心特性
进度系统相比旧版成就系统具有以下显著优势:
- 灵活的回调机制:可以在进度达成时给予经验、执行指令或从战利品表中抽取奖励
- 强大的判据系统:支持复杂的布尔逻辑组合条件
- 可视化展示:自动生成树状结构展示进度关系
- 多语言支持:支持使用JSON文本格式实现本地化
进度文件结构解析
进度文件采用JSON格式存储,主要包含三个核心部分:
1. 显示属性(display)
"display": {
"icon": { "item": "...", "nbt": "..." },
"title": "进度标题",
"frame": "goal",
"background": "modid:...",
"description": "进度描述",
"show_toast": false,
"announce_to_chat": false,
"hidden": false
}
- icon:定义进度图标,可使用物品ID和NBT数据
- title/description:支持纯文本或JSON文本格式
- frame:进度图标边框类型(task/challenge/goal)
- background:仅根进度需要,定义标签页背景
- show_toast:是否显示右上角弹窗
- announce_to_chat:是否在聊天栏公告
- hidden:是否隐藏进度直到完成
2. 触发条件(criteria)
"criteria": {
"condition1": {
"trigger": "...",
"conditions": { "...": "..." }
}
}
每个条件需要指定触发器(trigger)和具体条件(conditions)。Minecraft提供了丰富的内置触发器,如物品获取、生物击杀等。
3. 奖励系统(rewards)
"rewards": {
"recipes": [ "..." ],
"loot": [ "..." ],
"experience": 100,
"function": "..."
}
奖励系统支持四种类型:
- 解锁合成配方
- 给予经验值
- 从战利品表抽取奖励
- 执行函数
进度树构建技巧
构建进度树需要注意以下要点:
- 父子关系:通过"parent"字段指定父进度
- 根进度:必须包含background属性
- 分支进度:不需要background属性
{
"parent": "modid:parent_advancement",
// 其他属性...
}
高级条件逻辑
进度系统支持复杂的布尔逻辑组合:
"requirements": [
["a", "b"],
"c"
]
这表示 (a OR b) AND c 的逻辑关系。如果不指定requirements,默认为所有条件都必须满足(AND关系)。
自定义扩展能力
虽然原版进度系统功能已经很强大,但Harbinger项目还提供了额外的扩展能力:
- 自定义触发器:可以创建全新的进度触发条件
- 自定义物品谓词:对涉及物品判定的条件提供更灵活的匹配规则
最佳实践建议
- 合理规划进度树结构,避免过于复杂
- 善用hidden属性控制进度显示
- 使用JSON文本实现多语言支持
- 为重要进度添加适当的视觉反馈(toast/chat)
- 平衡奖励设置,避免破坏游戏平衡
通过Harbinger项目提供的进度系统,开发者可以创建出比原版成就系统更丰富、更有趣的游戏进度体验。掌握这些技巧将帮助你为玩家设计出更具吸引力的游戏内容。
登录后查看全文
热门项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143