探秘Kotlin/Native绑定的Godot游戏引擎

项目简介
【Kotlin/Native binding for the Godot Game Engine】是一个将Kotlin语言与强大的Godot游戏引擎相结合的项目。它利用了GDNative,使你能够通过Kotlin类直接访问Godot的核心API,从而完全用Kotlin编写游戏逻辑。该项目编译后的产物是动态库,基于IntelliJ IDEA和Kotlin/Native进行构建。
这个绑定让你无需关心任何绑定逻辑,只需像编写GDScript或C#一样编写你的游戏脚本,但是享受着Kotlin的优雅语法。
注意事项
目前,该版本处于阿尔法测试阶段,并不适合生产环境使用。由于Kotlin/Native的性能尚未达到理想水平,主要问题包括慢速的构建时间和运行时性能瓶颈。尤其是在需要频繁调用cinterop层的情况(如输入检查和函数中的小逻辑)下,表现不佳。然而,在计算密集型任务中,例如实现A*寻路算法等场景,由于较少涉及cinterop层,其性能优势更为突出。
为了在保持高性能的同时使用Kotlin,我们启动了另一个项目godot-jvm,它借助嵌入式JVM来在JVM上运行Kotlin,初期测试表明这可以显著提升性能,并且能充分利用JVM生态系统。
文档
你可以在这里找到该项目的详细文档:https://godot-kotl.in
开发者交流
想参与讨论或寻求帮助?欢迎加入我们的Discord社区: https://discord.gg/qSU2EQs
在IntelliJ IDEA中设置本地构建或贡献代码
- 将
godot.kotlin.dev添加到~/.gradle/gradle.properties。 - 运行初始构建:
./gradlew publishToMavenLocal。 - 在IntelliJ IDEA中导入根目录下的
build.gradle.kts。 - 对于要开发的每个示例,从Gradle侧边栏导入相应的
build.gradle.kts文件。
贡献指南
- 编码风格: 遵循官方的Kotlin 编码规范,并在IDE中配置相应设置。
- 分支管理: 我们遵循
git-flow的分支策略。
每个Issue都有一个负责人,负责该话题的一般指导,与他们讨论具体实现细节。我们将在未来通过CI和linting强制执行这些规则。
深度解析
透过技术层面来看,这个项目巧妙地结合了Kotlin/Native和Godot的游戏开发世界。Kotlin/Native提供了与原生平台无须桥接的交互,这意味着更少的性能损耗。在Godot中,GDNative允许开发者使用自定义的语言扩展引擎,而Kotlin/Native绑定使得这一过程变得简单高效。
应用领域
- 游戏开发:无论是简单的2D游戏还是复杂的3D游戏,都可以使用Kotlin/Native绑定实现游戏逻辑。
- 教育:教学Kotlin编程,同时让学生接触游戏开发。
- 实验性项目:尝试新的游戏设计或者游戏系统,Kotlin/Native提供的灵活性非常适合实验性工作。
项目特点
- 无缝对接Godot API:所有Godot API都以Kotlin类的形式存在,让Kotlin开发者感到亲切。
- 高性能:尽管目前有一些性能限制,但在特定场景下(如计算密集型任务),Kotlin/Native依然表现出良好的性能。
- 易于维护:遵循Kotlin官方编码规范,保证了代码质量与可读性。
- 活跃社区支持:提供详细的文档和实时的开发者讨论渠道,有助于解决问题和分享经验。
总的来说,虽然当前项目仍处在早期阶段,但如果你对Kotlin有深厚的热情并喜欢Godot引擎,那么这是一个值得尝试的前沿项目。随着Kotlin/Native性能的逐步优化,这个项目未来有望成为游戏开发的新宠。
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