Rathena项目中简单防御公式与Res机制的关联性分析
2025-06-27 11:02:28作者:邓越浪Henry
概述
在Rathena游戏服务器项目中,技能伤害计算机制是一个核心系统。近期测试发现,使用简单防御公式的技能同时也忽略了目标的Res属性。这一发现对游戏平衡性和技能实现准确性具有重要意义。
简单防御公式与Res机制的关系
经过多次测试验证,所有使用简单防御公式计算的技能都会自动忽略目标的Res属性。这一规律在多个技能中得到了证实:
- Guillotine Fist/Asura Strike:已确认使用简单防御公式并忽略Res
- Cart Cannon/Arm Cannon:同样遵循这一规则
- Dragon Breath系列技能:测试结果显示Res不影响伤害
- Grand Cross:测试数据表明Res属性被忽略
技术实现分析
当前Rathena的实现方式是维护两个独立的硬编码列表:
- 使用简单防御公式的技能列表
- 忽略Res属性的技能列表
这种实现方式存在维护困难和潜在不一致的风险。更合理的解决方案应该是:
- 统一使用标志位控制这两种行为
- 或者利用现有的"IgnoreDefense"标志来同时控制这两种效果
测试数据验证
以Dragon Breath技能为例进行的详细测试:
测试环境:
- 150级Rune Knight角色
- Dragon Breath等级10
- Dragon Training等级5
- HP: 38694
- SP: 1265
测试结果对比:
- 对Neutral Dummy伤害:22819
- 对Cardinal伤害:22675
- 伤害差值:144
计算验证:
22819 (基础伤害)
+ 50 (Neutral dummy的soft def)
= 22869
22869
- 194 (Cardinal的soft def)
= 22675 (实际观测值)
这一计算过程证实了Res属性确实不影响Dragon Breath的最终伤害。
技术建议
基于以上发现,建议进行以下改进:
- 建立统一的技能属性标志系统
- 将简单防御公式和忽略Res属性这两个特性关联起来
- 减少硬编码列表的使用,提高代码可维护性
- 确保所有相关技能都遵循这一规则
结论
Rathena项目中存在一个明确的规则:使用简单防御公式的技能会同时忽略目标的Res属性。这一发现对游戏平衡性和技能实现准确性有重要影响,建议在代码实现上进行统一处理,以提高系统的可维护性和一致性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218