Bevy_egui v0.35.0 发布:Bevy UI 框架的重大升级
项目简介
Bevy_egui 是一个将流行的即时模式 GUI 库 egui 集成到 Bevy 游戏引擎中的插件。它为 Bevy 开发者提供了轻量级、高性能的 UI 解决方案,特别适合游戏开发中的各种界面需求。最新发布的 v0.35.0 版本带来了多项重要改进和新功能,标志着该项目在成熟度和功能丰富度上又迈出了重要一步。
核心更新内容
1. Bevy 拾取系统集成
本次更新最引人注目的新功能是实现了对 Bevy 拾取系统的支持。这意味着开发者现在可以创建"diegetic UI"——即存在于游戏世界中的 UI 元素,而不仅仅是屏幕空间的 2D 界面。
这项功能通过更新后的 render_egui_to_image 示例得到了充分展示。开发者可以将 egui 渲染到纹理上,然后将这些纹理应用到 3D 模型上,创造出更加沉浸式的游戏界面体验。例如,你可以制作一个游戏中的平板电脑设备,玩家可以与之交互,而所有交互都是通过 egui 实现的。
2. 架构改进
多通道渲染成为默认选项
v0.35.0 版本中,多通道渲染模式(multi-pass)已成为默认且唯一推荐的方式。虽然这带来了一个破坏性变更——插件现在必须通过 EguiPlugin::default() 初始化,但这一改变为项目带来了更好的稳定性和性能基础。
相机关联的 UI 上下文
另一个重要的架构改进是将 EguiContext 实例与相机关联。这意味着:
- UI 渲染现在需要至少一个相机存在于世界中
- 系统会自动将 egui 附加到第一个创建的相机上
- 开发者可以通过新的
side_panel示例学习如何更精确地控制这一行为
这一改变使得多窗口场景下的 UI 管理更加直观,也为未来的功能扩展打下了基础。
3. 错误处理改进
EguiContexts 系统进行了重构以支持 Bevy 的结果系统(Result systems)。这意味着:
- 使用
EguiContexts的系统现在应该转换为结果系统 - 错误处理更加统一和符合 Bevy 的最新实践
- 开发者可以更优雅地处理 UI 相关的错误情况
性能优化
本次更新包含了几项重要的性能优化:
-
光标图标更新优化:现在系统只会在光标图标实际发生变化时进行更新,同时这一功能也可以被禁用,减少了不必要的开销。
-
移动端虚拟键盘支持:当文本输入获得焦点时,系统会自动显示虚拟键盘,提升了移动设备上的用户体验。
问题修复
v0.35.0 修复了几个关键问题:
- 修复了关闭窗口时可能发生的 panic 问题
- 改进了移动设备上的输入处理
- 移除了
image依赖的默认特性,减少了不必要的依赖
新增示例
为了帮助开发者更好地理解和使用新功能,项目新增了两个示例:
- Split Screen 示例:展示了如何在分屏场景中管理多个 UI 上下文
- 更新后的 Render to Image 示例:演示了新的拾取系统集成功能
升级建议
对于现有项目,升级到 v0.35.0 需要注意以下几点:
- 将插件初始化方式改为
EguiPlugin::default() - 确保场景中至少有一个相机
- 考虑将使用
EguiContexts的系统转换为结果系统 - 检查多窗口场景下的 UI 行为,可能需要调整相机关联逻辑
未来展望
从本次更新可以看出,bevy_egui 正在向更加稳定、功能丰富的方向发展。移除单通道支持的决定表明项目维护者对代码质量的重视,而与 Bevy 拾取系统的集成为游戏 UI 开发开辟了新的可能性。开发者可以期待在未来版本中看到更多与 Bevy 生态系统的深度集成和性能优化。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00