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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00