EntityJS - 强大灵活的HTML5游戏引擎
EntityJS 是一个基于HTML5的JavaScript游戏引擎,采用了实体-组件设计模式。它使你在强大的JavaScript框架内编写高度可扩展的游戏代码变得轻而易举。
项目重构进行中
目前,EntityJS 正在从Ruby转向Node.js包,并向实体系统设计模式转变。请查看dev分支获取最新更新。
EntityJS 与其他JavaScript游戏引擎有何不同?
EntityJS旨在成为最灵活的游戏引擎。我们明白重复编写相同的函数和代码行是多么令人烦恼。因此,我们通过组件-实体设计解决了这个问题。传统的游戏引擎设计方法是创建类的层级结构,这实际上是最紧密耦合的设计。这种紧密耦合使得类的功能严格限制在一个类内,不易于移植到其他项目,复制某个必要的功能也很困难。随着游戏开发的推进,类会变得更加庞大和复杂,最终可能会产生控制大部分游戏逻辑的"上帝类"。
而在实体-组件的世界里,所有的逻辑都实现为组件,大小任你选择。你可以创建一个实体并添加/移除组件。实体是其所有组件的实时表现。这种低耦合的组件和实体使得你可以混合搭配组件来创造强大的功能,同时保持了代码的便携性和健壮性。
系统需求
至少需要Ruby 1.8.1+。
安装
EntityJS现在是一个易于安装的宝石。在终端输入:
gem install entityjs
这将安装最新的gem版本,现在你可以轻松地创建一些游戏!
使用
当你使用这些命令时,请确保总是在游戏的根目录下。
创建新游戏
在任意目录中运行:
entityjs new mygame
这将使用默认模板创建一个新的游戏。
使用平台模板创建游戏:
entityjs new mygame platform
查看所有可用模板:
entityjs templates
创建组件
entityjs comp rock
这将在scripts/rock.js创建名为“rock”的新组件,并创建测试文件。
entityjs comp display/hero
这将在scripts/display目录下创建一个名为“hero”的hero组件。
创建测试
entityjs test name test1 test1
在/tests/name_test.js创建有两个测试方法的测试。
构建游戏
entityjs build
这将把所有EntityJS源码和游戏源码压缩成一个文件放在/builds目录下。
运行游戏/测试
确保服务器正在运行:
entityjs server
访问以下地址以玩游戏:
localhost:2345
运行测试访问:
localhost:2345/test
资源位于:
localhost:2345/assets/*name
查看所有命令。
目录结构
-
Assets - 包含所有外部资产
- Images - 在这里添加图片,然后通过
re.assets.images检索 - Sounds - 添加任何声音,通过
re.assets.sounds检索
- Images - 在这里添加图片,然后通过
-
Build - 包含构建后的游戏
-
Scripts - 包含所有的js、coffee源码。xml、tmx和json文件会被转换为js。
- Plugins - 包含minified脚本用于插件播放。
-
Tests - 包含测试文件,以QUnit运行
-
Styles - 包含要包含的所有CSS,未来还将支持Sass和其他样式。
-
game.json - 可选,用于配置脚本顺序、忽略某些文件等
短路获取器和设置器
var tile = re.e('tile');
tile.tileX(1); //设置
tile.tileX(); //获取
//设置器甚至可以用于`attr()`中
tile.attr('tileX', 2); //设置
//设置器接受多个参数
tile.tile(1, 2); //设置tilex和tiley
//或者
tile.attr('tile', [1,2]); //同上
工厂在0.4.2
所有组件现在都有工厂方法,可用于创建复杂的实体。
re.c("button")
.factory(function(label, click){
this.label = label;
if(click){
this.on('click', click);
}
});
re.button("Hello", function(){
alert(this.label+" clicked!");
});
工厂方法
如果你需要多次访问特定类型的实体,可以使用工厂方法。
re.c("player")
.method(function(){
if(!this.instance){
this.instance = re.e('player');
}
return this.instance;
});
//获取玩家
re.player();
QUnit 测试
所有游戏都使用轻量级且易于使用的QUnit进行测试。查看平台模板了解一些示例测试。
工厂
可以在tests/factories.js中创建新的工厂,然后这样使用:
factory('enemy', function(){
//制作一个自定义硬币
this.health = 100;
this.state = 'idle';
//可以使用正常实体的方法
this.on('update', function(){
//某事
});
});
//在测试中的任何地方创建敌人实体
var e = factory('enemy');
eq(e.state, 'idle') //真
//与下面相同
var e = re.e('enemy');
e.health = 100;
//等等...
如果需要多个敌人工厂怎么办?
//为了方便,使用f
f('enemy attacking', function(){
this.state = 'attacking';
});
EntityJS 帮助器
添加了一些用于检查实体的断言,如expectTrigger,expectFlicker和expectListener。更多信息请参阅localhost:2345/qunit/qunit.entity.js。
输入助手
提供了特殊方法如keypress()和click()来模拟用户输入。查看localhost:2345/qunit/qunit.input.js了解更多信息。
Tiled地图编辑器
惊人的tiled地图编辑器现在兼容并可用于你的项目。
只需在/assets创建一个名为levels或你喜欢保存地图的新目录,就可以像这样在代码中访问它们:
re('level1.tmx')[0]; //假设文件名是level1.tmx
re('level'); //查找/assets/levels目录下的所有级别
如果你仍然困惑,创建一个新的平台游戏并查看如何使用水平。
快速入门指南
首先,你应该安装ruby和entityjs gem。
然后,你可以从平台模板创建新游戏:
entityjs new mygame platform
移动到mygame目录并运行游戏:
entityjs server
打开浏览器,导航到localhost:2345。
贡献
在发送Pull Request之前,最好运行rspec和rake jasmine以确保所有Ruby和JavaScript的测试都能通过。
运行rspec会产生一个/mygame/目录,其中包含测试文件。git会忽略这个文件夹,所以不用担心。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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