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。
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-1.5暂无简介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