如何用EdB Prepare Carefully模组打造完美RimWorld开局?超实用定制工具全解析
2026-02-05 04:21:38作者:钟日瑜
EdB Prepare Carefully 是一款专为RimWorld玩家设计的开源模组,提供极致细致的角色定制功能,让你在游戏开局前就能自由调整殖民者的技能、装备、健康状况和人际关系,轻松打造符合策略需求的理想殖民地团队。
🚀 核心功能:从细节到全局的定制自由
1️⃣ 角色属性深度定制
通过直观的界面调整殖民者的各项属性,包括:
- 年龄与外观:从
PanelAgeRefactored.cs和PanelAppearance.cs模块实现的年龄滑块与外观选择器,支持精确调整角色年龄、发型、面部特征等细节。 - 技能与特质:借助
PanelSkills.cs和PanelTraits.cs提供的技能点分配系统,自由分配技能等级,选择有利特质组合,规避负面特性。

图:EdB Prepare Carefully的角色定制界面背景,用于展示殖民者外观配置区域
2️⃣ 装备与健康精细化管理
- 装备配置:通过
ControllerTabViewEquipment.cs和PanelEquipmentSelected.cs模块,为每个殖民者分配武器、服装和道具,支持从预设模板快速加载。 - 健康状态调整:使用
PanelHealth.cs模块管理殖民者的健康状况,可添加/移除 injuries、植入物,甚至自定义 hediffs,打造独特生存挑战。
3️⃣ 人际关系与派系设定
- 关系构建:通过
ManagerRelationships.cs和PanelRelationshipsOther.cs创建复杂的人际关系网络,设置家庭成员、朋友或敌人关系,影响游戏内社交互动。 - 派系定制:利用
CustomFaction.cs模块自定义殖民者派系属性,调整初始资源和科技水平,匹配不同难度需求。
🛠️ 技术亮点:兼容性与扩展性设计
多版本适配架构
项目针对RimWorld的旧版本.NET Framework 3.5开发,通过HarmonyPatches.cs中的补丁系统(如PrepareCarefullyButtonPatch和ReplaceScenarioPatch)实现与游戏核心机制的无缝集成,确保在不同版本中稳定运行。
模块化功能实现
核心功能采用分层架构设计:
- 数据层:
CustomizedPawn.cs和CustomizedRelationship.cs定义数据结构 - 控制层:
ControllerTabViewPawns.cs等控制器处理业务逻辑 - 视图层:
TabViewBase.cs和各类Panel组件负责UI渲染

图:EdB Prepare Carefully的界面元素图集,包含滑块、按钮等交互组件
💡 使用场景:从新手到专家的全阶段辅助
新手友好的开局引导
- 预设模板快速上手:通过
DialogLoadPreset.cs加载社区分享的优化配置,一键获得平衡的初始团队 - 难度调节:利用
CostCalculator.cs实时计算点数消耗,确保自定义配置符合游戏平衡
专家级自定义挑战
- 极限生存配置:创建全负面特质殖民者,搭配
Injury.cs模块添加永久损伤,挑战高难度生存 - 剧情演绎:通过
ParentChildGroup.cs设置完整家庭关系网,构建沉浸式叙事体验
📥 安装与配置指南
快速安装步骤
- 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/ed/EdBPrepareCarefully - 将模组文件夹复制到RimWorld的
Mods目录 - 启动游戏,在模组列表中启用"EdB Prepare Carefully"
基础配置路径
- 核心设置:
Resources/Common/Languages/English/Keyed/EdBPrepareCarefully.xml - 关系定义:
Resources/Common/Defs/CarefullyPawnRelationDefs/
🌟 为什么选择EdB Prepare Carefully?
- 自由度最大化:从单个角色到整个殖民地的全方位定制
- 社区驱动更新:开源项目持续接收社区贡献,适配最新游戏版本
- 轻量级设计:核心功能仅需
EdBPrepareCarefully.dll和资源文件,不影响游戏性能
无论是追求完美开局的策略玩家,还是喜欢创造独特故事的叙事爱好者,EdB Prepare Carefully都能为你的RimWorld体验带来质的飞跃。立即下载体验,开启你的定制化殖民地建设之旅吧!
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
暂无简介
Dart
805
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
211
昇腾LLM分布式训练框架
Python
120
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781