MessagePack-CSharp 在 Unity 中序列化 Vector3 的解决方案
问题背景
在使用 MessagePack-CSharp 3.0.54-alpha 版本进行 Unity 项目开发时,开发者可能会遇到一个常见问题:尝试序列化包含 UnityEngine.Vector3 类型的自定义类时,系统会抛出 FormatterNotRegisteredException 异常,提示 Vector3 类型未在解析器中注册。
错误分析
这个问题的核心在于 MessagePack 的序列化机制。MessagePack 需要为每种要序列化的类型注册一个格式化器(Formatter)。对于 Unity 内置类型如 Vector3,在 MessagePack-CSharp 3.0.54-alpha 版本中,其格式化器不会自动注册到 StaticCompositeResolver 中。
解决方案
临时解决方案(针对 3.0.54-alpha 版本)
对于当前版本,开发者需要手动将 UnityResolver 及其内置的 Vector3 格式化器注册到 StaticCompositeResolver 中:
StaticCompositeResolver.Instance.Register(
StandardResolver.Instance,
UnityResolver.Instance, // 添加 UnityResolver
GeneratedResolver.Instance
);
MessagePackSerializer.DefaultOptions = MessagePackSerializerOptions.Standard
.WithResolver(StaticCompositeResolver.Instance)
.WithSecurity(MessagePackSecurity.UntrustedData);
未来版本解决方案
根据 MessagePack-CSharp 开发团队的反馈,这个问题已经在最新的开发版本中得到修复(虽然尚未正式发布)。在未来的版本中,Unity 内置类型的格式化器将会自动注册,开发者无需手动添加。
其他相关问题
在构建 Unity 项目时,开发者可能还会遇到另一个相关错误:
Fatal error in Unity CIL Linker
Mono.Linker.LinkerFatalErrorException: ILLink: error IL1005: MessagePack.ImmutableCollection.ImmutableCollectionGetFormatterHelper.GetFormatter(Type)
这个错误表明项目缺少对 System.Collections.Immutable 程序集的引用。解决方案是在 Unity 项目中添加对该程序集的引用,或者通过 NuGet 安装相应的包。
最佳实践建议
-
版本选择:如果可能,等待 MessagePack-CSharp 发布包含自动注册 Unity 类型的新版本。
-
类型注册:对于自定义类型,确保使用 MessagePackAnalyzer 生成相应的格式化器代码。
-
构建配置:在 Unity 的 IL2CPP 构建中,确保所有依赖项都正确配置,特别是对于系统程序集的引用。
-
错误处理:在序列化/反序列化代码中添加适当的错误处理,以捕获和处理可能的格式化器注册异常。
总结
MessagePack-CSharp 是一个强大的序列化库,但在 Unity 环境中使用时需要注意一些特殊配置。当前版本需要手动注册 Unity 内置类型的格式化器,而这个问题将在未来版本中得到改进。开发者应根据项目需求选择合适的解决方案,并关注库的更新以获取更好的开发体验。
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-1.5暂无简介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