终极深岩银河存档编辑器指南:解锁个性化游戏体验的完整教程 🚀
想让你的深岩银河(Deep Rock Galactic)冒险更具个性化?DRG Save Editor 这款强大的开源工具能帮你轻松自定义游戏存档,从资源数量到角色等级一键调整!本文将带你快速掌握这个神器的安装、使用与核心功能,让你告别重复刷资源的烦恼,直接体验游戏最爽快的部分。
📌 什么是 DRG Save Editor?
DRG Save Editor 是一款专为深岩银河玩家设计的免费存档编辑工具,采用 Python 开发并基于 PyQt5/PySide2 框架构建。它能直接读取和修改游戏存档文件,让你自由调整经验值、资源数量、职业等级等关键数据,甚至还能管理超频模块!
⚠️ 重要提示:使用前请务必备份存档文件!编辑器会自动在存档目录创建
.old备份文件,但双重保险永远不会错。
📸 直观界面抢先看
编辑器的界面设计简洁直观,即使是新手也能快速上手:

图:DRG Save Editor 主界面展示,包含资源编辑区、超频管理树和角色数据面板
主要功能区一目了然:
- 资源控制面板:调整 Gold、Nitra、Phazyonite 等资源数量
- 角色数据区:修改矮人职业的经验值、晋升等级和技能点
- 超频管理树:通过右键菜单添加/移除超频模块,支持 CTRL+点击多选
🔧 三步快速上手教程
1️⃣ 一键安装步骤
- 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/dr/DRG-Save-Editor - 解压
DRG Save Editor.zip压缩包 - 双击
start editor.cmd即可启动程序
💡 小贴士:若启动失败,在批处理文件中添加
pause命令可查看错误信息。
2️⃣ 安全编辑流程
- 点击 "打开存档" 按钮,选择游戏存档文件(通常位于
Documents/Klei/Deep Rock Galactic) - 在对应面板修改数值(如将 XP 改为
100000直接晋升传奇等级) - 点击 "保存修改",重启游戏即可生效
3️⃣ 高级技巧:超频模块管理
- 添加超频:在超频树中右键点击模块 → 选择 "添加到 inventory"
- 批量操作:按住 CTRL 键可多选模块,使用 "Remove Selected" 批量删除
- 版本兼容:Season 2 新增的 Phazyonite 资源和赛季 XP 已支持编辑
✨ 核心功能亮点
✅ 自动备份机制
每次打开存档时自动创建 .old 备份,防止误操作导致数据丢失
✅ 深度数据控制
- 支持调整 Season XP 和 Scrip 赛季货币
- 精确修改职业晋升等级(最高支持 Legendary 3+)
- XP 数值修改后自动同步相关属性字段
✅ 持续更新支持
项目已更新至 v1.5 版本,完美适配深岩银河 Season 2,后续将支持更多游戏内容!
🛠️ 常见问题解决
❓ 为什么资源数值修改后不生效?
部分资源(如超频模块)需要先在游戏中获取至少一个,才能通过编辑器修改数量
❓ 如何处理 "无法读取存档" 错误?
尝试用记事本打开存档文件确认格式,或在 tests/test_editor.py 中查看测试用例
❓ 能否修改角色外观或任务进度?
当前版本暂不支持 cosmetic 超频和任务编辑,这些功能已列入开发计划(见 src/main/python/main.py 源码)
📝 使用注意事项
- 不支持添加 Season 2 新增武器的超频数据(等待后续更新)
- 晋升等级设置为 "Legendary 3+" 可保留高于传奇 3 级的自定义晋升数
- 修改 XP 后需点击其他区域触发数据同步
🎯 适合人群
- 想体验高等级内容但没时间肝的休闲玩家
- 希望测试不同 build 组合的战术大师
- 研究游戏存档结构的 mod 开发者
无论你是想快速解锁全部职业,还是打造终极资源库,DRG Save Editor 都能让深岩银河的冒险之旅更加随心所欲!记得合理使用工具,过度修改可能会降低游戏乐趣哦~ Rock and stone! 🚀
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00