OpenD2:重塑暗黑破坏神2的开源传奇
项目介绍
OpenD2 是一个致力于将经典游戏《暗黑破坏神2》(Diablo II)开源化的项目,基于GNU通用公共许可证发布。该项目的目标是通过完全重写游戏引擎,保留原版游戏文件和存档,实现对《暗黑破坏神2》的现代化改造。OpenD2不仅修复了原版游戏中的一些bug,还为玩家和开发者提供了更强大的自定义和扩展能力。

项目技术分析
技术栈
OpenD2的技术栈涵盖了多个关键组件,包括:
- 核心引擎(game.exe):负责窗口管理、文件系统、内存管理、日志管理、归档管理、网络通信、声音处理和渲染等功能。
- 公共代码(D2Common.dll):包含服务器端和客户端共同使用的例程,如地牢生成、技能逻辑、文本到二进制编译等。
- 服务器端(D2Game.dll):负责任务管理、AI逻辑等。
- 客户端(D2Client.dll):负责客户端逻辑,主要涉及菜单和精灵的绘制。
编译与运行
Windows
在Windows上编译OpenD2,只需CMake和Visual Studio 2017或更高版本。通过cmake-gui设置源目录和构建目录,即可在IDE中打开项目文件进行编译。
Linux
在Linux上编译需要安装libglew-dev、libglm-dev和libsdl2-dev等依赖库。使用以下命令进行编译:
mkdir build && cd build
cmake .. -DSDL2MAIN_LIBRARY=/usr/lib64/libSDL2.so
make
运行参数
OpenD2提供了丰富的运行参数,包括窗口模式、路径设置、硬件加速控制等,以满足不同用户的需求。
项目及技术应用场景
游戏修复与优化
OpenD2旨在修复原版游戏中的bug,同时保持与原版游戏体验的高度一致性。通过现代化的技术手段,OpenD2在性能上超越了Blizzard的原版游戏,无需复杂的兼容性设置或管理员权限即可运行。
跨平台支持
OpenD2支持Windows、Linux和Mac操作系统,无需模拟器(如Wine)即可在不同平台上运行,为玩家提供了极大的便利。
模组开发
OpenD2为模组开发者提供了强大的基础。过去,模组开发依赖于逆向工程和内存补丁,而OpenD2的开源特性使得开发者可以直接修改游戏代码,实现更高级的功能和创意。
项目特点
开源与自由
OpenD2基于GNU通用公共许可证发布,完全开源,允许用户自由使用、修改和分发。这不仅促进了社区的参与和贡献,还为游戏开发提供了新的可能性。
高度兼容
尽管OpenD2是重写的引擎,但它保留了原版游戏的文件和存档格式,确保与原版游戏的兼容性。此外,OpenD2还计划支持与原版客户端的TCP/IP游戏兼容。
强大的自定义能力
OpenD2的设计允许核心组件之外的部分被模组替换,为玩家和开发者提供了极大的自定义空间。无论是修复bug、优化性能,还是添加新功能,OpenD2都能满足你的需求。
社区驱动
OpenD2鼓励社区参与,通过fork和提交pull request的方式,任何人都可以为项目贡献代码。这种开放的合作模式不仅加速了项目的开发,还增强了社区的凝聚力。
结语
OpenD2不仅是对经典游戏《暗黑破坏神2》的致敬,更是对其进行现代化改造的勇敢尝试。无论你是《暗黑破坏神2》的忠实粉丝,还是对游戏开发充满热情的开发者,OpenD2都值得你一试。加入我们,共同创造属于《暗黑破坏神2》的新传奇!
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00