【亲测免费】 Unity Jar Resolver 使用指南
1. 项目介绍
Unity Jar Resolver 是由 Google 开发的一个 Unity 插件,主要用于解决 Android 和 iOS 的依赖关系,并执行版本管理。这个工具可以帮助 Unity 开发者在项目内直接添加和使用 iOS/Android 依赖库,同时管理包管理器(PM)注册中心。
2. 项目快速启动
要使用 Unity Jar Resolver,您需要按照以下步骤进行快速启动:
首先,确保您的 Unity 版本符合要求。Android Resolver 和 iOS Resolver 组件要求 Unity 版本至少为 4.6.8。Version Handler 组件需要 Unity 5.x 或更高版本,Package Manager Resolver 组件则需要 Unity 2018.4 或更高版本。
接下来,您可以通过以下几种方式安装 Unity Jar Resolver:
通过 OpenUPM 安装
openupm add com.google.external-dependency-manager
通过 git URL 安装
- 打开 Unity Package Manager。
- 点击屏幕左上角的 + 图标。
- 点击 "Install package from git url..."。
- 粘贴以下 URL:
https://github.com/googlesamples/unity-jar-resolver.git?path=upm。
通过 Google APIs for Unity 安装
Unity Jar Resolver 也提供了 UPM 和 legacy .unitypackage 格式。您可以选择安装 UPM 版本(.tgz)作为本地 UPM 包,或者作为 .unitypackage。
安装后,复制并重命名 SampleDependencies.xml 文件到您的插件中,并添加项目所需的依赖。
3. 应用案例和最佳实践
以下是一个添加 Google Play Games 库到 Android 依赖中的示例:
<dependencies>
<androidPackages>
<androidPackage spec="com.google.android.gms:play-services-games:9.8.0">
<androidSdkPackageIds>
<androidSdkPackageId>extra-google-m2repository</androidSdkPackageId>
</androidSdkPackageIds>
</androidPackage>
</androidPackages>
</dependencies>
版本规范支持指定版本、部分匹配版本和最新版本。请确保不要使用 LATEST 或 + 除非您确定依赖库在未来不会破坏您的 Unity 插件。
4. 典型生态项目
Unity Jar Resolver 是 Unity 开发者生态系统中的一个重要组成部分,它与其他 Unity 插件和库协同工作,例如:
- Google Play Games Services
- Firebase Unity SDK
- Unity IAP (In-App Purchasing)
这些项目通常会在其文档中推荐使用 Unity Jar Resolver 来管理依赖关系,确保项目的顺利运行。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00