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!
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