Puerts项目中的ue_bp.d.ts文件消失问题解析
在Unreal Engine项目中使用Puerts插件进行TypeScript开发时,开发者可能会遇到一个奇怪的现象:原本在ue_bp.d.ts文件中生成的蓝图类型定义突然消失,文件内容被重置为默认的少量内容。这种情况通常发生在重启VS/Rider或编译C++代码后。
问题根源
这个问题的根本原因在于Puerts插件的版本升级过程中产生的文件冲突。在Puerts 1.0.6版本及更早版本中,插件会在Typing/ue目录下生成ue_bp.d.ts文件来存储蓝图类型定义。然而,在后续版本中,Puerts团队通过PR#1908对类型生成机制进行了两项重要修改:
- 自动将插件目录下的Typing/ue内容复制到项目Typing目录
- 移除了ue_bp.d.ts文件的生成
当开发者从旧版本升级到新版本时,如果只更新了部分代码(如只实现了第一项修改而未删除旧文件),就会导致新旧机制冲突,使得ue_bp.d.ts文件被意外重置。
解决方案
解决这个问题的方法很简单:直接删除项目Plugins/Puerts/Typing/ue目录下的ue_bp.d.ts文件。因为新版本的Puerts已经不再需要这个文件,删除它可以避免文件被意外覆盖。
对于插件开发者来说,也可以在JsEnv.build.cs中添加删除过时文件的代码来预防此类问题,但这部分代码尚未合并到主分支中,因为新安装插件的用户不会遇到这个问题。
技术背景
Puerts作为连接Unreal Engine和TypeScript的桥梁,其类型生成机制至关重要。ue_bp.d.ts曾经是用来存储从Unreal蓝图生成的TypeScript类型定义的文件。随着项目发展,团队优化了类型生成策略,移除了这个中间文件,改为更直接的类型生成方式。
这种架构变更反映了Puerts项目在不断优化开发者体验,减少不必要的中间文件,使类型系统更加简洁高效。开发者在使用开源项目时,应当注意版本升级带来的潜在兼容性问题,及时清理过时文件。
最佳实践
为避免类似问题,建议开发者在升级Puerts插件时:
- 完整阅读版本变更说明
- 彻底清理旧版本残留文件
- 按照新版本文档重新配置项目
- 定期检查项目中的过时文件
通过这些措施,可以确保TypeScript与Unreal Engine的集成开发体验更加顺畅。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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