WeakAuras 2 5.19.0版本发布:全新区域类型与触发器优化
WeakAuras是一款广受欢迎的《魔兽世界》插件,它允许玩家创建高度自定义的界面元素来监控游戏中的各种状态和事件。通过可视化的图标、进度条、文字提示等方式,玩家可以更直观地掌握角色状态、技能冷却、增益效果等关键信息。
核心变更与重要提示
最新发布的5.19.0版本带来了几项重要变更,需要特别注意:
-
战斗日志事件过滤优化:WeakAuras现在默认不再向自定义触发器分发COMBAT_LOG_EVENT_UNFILTERED事件,除非事件列表中明确指定了至少一个子事件。这一变更旨在提高性能,但意味着现有的一些自定义触发器可能需要调整才能正常工作。
-
初始化行为调整:出于性能考虑,带有遭遇战ID加载选项的"On Init"自定义代码不再像以前那样急于加载。虽然开发团队预计这不会造成问题,但如果发现异常情况,建议及时反馈。
新增功能详解
1. 全新区域类型:空白区域
5.19.0版本引入了一种名为"空白区域"的新区域类型,这为界面设计提供了更大的灵活性:
- 无视觉元素需求:适用于不需要视觉组件的显示需求,例如"当Roll the Bones获得5个增益时播放音效"这类纯粹的功能性触发器。
- 自定义设计基础:为创意设计提供了空白画布,开发者可以在此基础上构建完全自定义的界面元素。
2. 玩家金钱追踪功能
新增的玩家金钱触发器为经济系统监控提供了原生支持:
- 内置触发器:现在可以直接在游戏内追踪玩家的金币数量变化。
- 格式化选项:新增了硬币字符串格式化功能,可以方便地将数值转换为游戏内标准的金币/银币/铜币显示格式。
3. 定格动画子元素
新增的定格动画(Stop Motion)子元素为多种区域类型增添了动画效果支持:
- 适用范围:可应用于纹理、进度纹理、图标、进度条、文本以及新加入的空白区域。
- 动态效果:通过逐帧动画的方式,为界面元素添加更生动的视觉效果。
4. 进度元素增强
线性/圆形进度元素现在支持最小/最大进度属性设置:
- 精细控制:开发者可以更精确地定义进度条的显示范围。
- 视觉效果:允许创建部分填充或特定区段高亮等进阶效果。
其他改进与优化
-
经典怀旧服(Cataclysm)支持:在角色属性触发器中新增了对法术能量的追踪功能。
-
聊天消息事件增强:聊天消息触发器现在会暴露sourceGUID字段,但需注意某些消息类型可能没有来源信息。
-
新增内置音效:加入了名为"Heartbeat Single"的新音效资源,特别适合循环播放场景。
-
光环触发器改进:新增了基于法术ID的匹配选择器,提供了更精确的触发条件设置方式。
开发者工具与体验优化
-
游戏内更新日志:现在可以直接在游戏内查看WeakAuras的版本更新内容,无需离开游戏或访问外部网站。
-
性能优化:多项底层改进减少了不必要的计算和内存占用,特别是在大型团队副本中的表现更为出色。
-
错误修复:解决了多个已知问题,包括纹理子元素排序问题、颜色动画错误等。
总结
WeakAuras 2 5.19.0版本通过引入空白区域、定格动画子元素等新功能,进一步扩展了插件的自定义能力。同时,对战斗日志事件处理的优化和初始化行为的调整,显著提升了插件的运行效率。这些改进既满足了高级用户对自定义功能的深度需求,又通过性能优化确保了所有用户的流畅体验。对于《魔兽世界》玩家和界面设计师来说,这一版本无疑提供了更强大的工具来打造个性化的游戏界面。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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