Harbinger项目教程:利用Capability系统实现物品存储功能
2025-07-02 20:43:16作者:蔡丛锟
前言
在Harbinger项目的开发中,物品存储系统是许多功能模块的基础。本文将详细介绍如何通过Forge的Capability系统为自定义方块实现物品存储功能,并以熔炉为例展示完整实现过程。
Capability系统概述
Capability系统是Forge提供的一套标准化接口机制,它允许不同的模组之间通过统一的接口进行交互。在物品存储方面,最常用的Capability是IItemHandler,它定义了物品存储和提取的标准方法。
基础实现
1. 创建物品处理器
首先我们需要在TileEntity中创建物品处理器实例:
private final ItemStackHandler inventory = new ItemStackHandler(2);
这里创建了一个包含2个槽位的物品处理器:
- 0号槽位:输入槽
- 1号槽位:输出槽
2. 实现Capability接口
TileEntity已经实现了ICapabilityProvider接口,我们只需重写两个关键方法:
@Override
public boolean hasCapability(Capability<?> cap, EnumFacing facing) {
return cap == CapabilityItemHandler.ITEM_HANDLER_CAPABILITY
|| super.hasCapability(cap, facing);
}
@Override
public <T> T getCapability(Capability<T> cap, EnumFacing facing) {
if (cap == CapabilityItemHandler.ITEM_HANDLER_CAPABILITY) {
return CapabilityItemHandler.ITEM_HANDLER_CAPABILITY.cast(this.inventory);
}
return super.getCapability(cap, facing);
}
3. 持久化存储
为了确保方块被卸载后数据不丢失,我们需要实现NBT数据的读写:
@Override
public void readFromNBT(NBTTagCompound tag) {
super.readFromNBT(tag);
this.inventory.deserializeNBT(tag.getCompoundTag("Inventory"));
}
@Override
public NBTTagCompound writeToNBT(NBTTagCompound tag) {
tag.setTag("Inventory", this.inventory.serializeNBT());
return super.writeToNBT(tag);
}
进阶功能实现
1. 输入输出控制
直接暴露ItemStackHandler会导致所有槽位都可被外部访问,我们需要通过包装器限制访问:
@Override
public <T> T getCapability(Capability<T> cap, EnumFacing facing) {
if (cap == CapabilityItemHandler.ITEM_HANDLER_CAPABILITY) {
return CapabilityItemHandler.ITEM_HANDLER_CAPABILITY.cast(new IItemHandler() {
// 实现所有接口方法
@Override
public ItemStack insertItem(int slot, ItemStack stack, boolean simulate) {
// 只允许向输入槽插入物品
return slot == 0 ? inventory.insertItem(slot, stack, simulate) : stack;
}
@Override
public ItemStack extractItem(int slot, int amount, boolean simulate) {
// 只允许从输出槽提取物品
return slot == 1 ? inventory.extractItem(slot, amount, simulate) : ItemStack.EMPTY;
}
// 其他方法实现...
});
}
return super.getCapability(cap, facing);
}
2. 物品掉落处理
当方块被破坏时,我们需要确保物品栏中的物品正确掉落:
@Override
public void breakBlock(World world, BlockPos pos, IBlockState state) {
TileEntity tile = world.getTileEntity(pos);
if (tile instanceof MyLavaFurnaceEntity) {
ItemStackHandler handler = ((MyLavaFurnaceEntity) tile).inventory;
for (int i = 0; i < handler.getSlots(); i++) {
ItemStack stack = handler.getStackInSlot(i);
if (!stack.isEmpty()) {
InventoryHelper.spawnItemStack(world, pos.getX(), pos.getY(), pos.getZ(), stack);
}
}
}
super.breakBlock(world, pos, state);
}
实际应用示例
在我们的熔炉实现中,物品处理逻辑如下:
@Override
public void update() {
if (!world.isRemote) {
// 自动收集上方可熔炼物品
if (inventory.getStackInSlot(0).isEmpty()) {
for (EntityItem entity : world.getEntitiesWithinAABB(EntityItem.class, new AxisAlignedBB(pos.up()))) {
ItemStack result = FurnaceRecipes.instance().getSmeltingResult(entity.getItem());
if (!result.isEmpty()) {
entity.setItem(inventory.insertItem(0, entity.getItem(), false));
break;
}
}
}
// 熔炼过程
if (!inventory.getStackInSlot(0).isEmpty() && fuel > 0) {
fuel--;
progress++;
if (progress > 200) { // 完成熔炼
ItemStack result = FurnaceRecipes.instance().getSmeltingResult(inventory.getStackInSlot(0));
inventory.insertItem(1, result, false);
inventory.extractItem(0, 1, false); // 消耗原料
progress = 0;
}
}
}
}
最佳实践建议
- 线程安全:确保对物品栏的所有操作都在服务端进行
- 性能优化:避免在update()方法中进行不必要的物品栏操作
- 数据一致性:所有修改物品栏的操作都应考虑NBT同步
- 异常处理:对可能失败的操作(如insertItem)进行适当处理
通过本文的介绍,你应该已经掌握了在Harbinger项目中使用Capability系统实现物品存储功能的核心方法。这种实现方式不仅标准规范,还能与其他模组良好兼容。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143