Rojo 7.5.0版本发布:功能增强与性能优化
Rojo是一个强大的Roblox开发工具链,它允许开发者将本地文件系统与Roblox Studio项目进行实时同步,极大地提高了开发效率。通过Rojo,开发者可以使用熟悉的文本编辑器和版本控制系统来管理Roblox项目,同时享受实时同步的便利。
内容类型支持与属性链接
Rojo 7.5.0版本引入了对Roblox的Content类型的支持,并将原有的Content类型重命名为ContentId以反映Roblox平台的变化。这一改进确保了类型系统与Roblox平台的一致性。
项目现在可以通过Attributes手动链接Ref属性。开发者可以在JSON文件中使用id或$id字段,或者添加Rojo_Target属性来为实例分配ID。然后,在项目的其他位置可以通过Rojo_Target_PROP_NAME属性引用这些ID,其中PROP_NAME是属性名称。这一功能为实例间的引用关系提供了更灵活的配置方式。
同步规则自定义
7.5.0版本引入了强大的文件同步规则自定义功能。通过在项目文件中添加syncRules字段,开发者可以指定特定文件模式的同步行为。每个同步规则包含以下关键配置:
pattern:用于匹配文件的glob模式use:指定文件应被视为哪种类型suffix(可选):指定文件名中应被移除的部分exclude(可选):排除特定文件的模式
同步规则支持多种文件类型,包括各种脚本类型(服务器脚本、客户端脚本、模块脚本等)、数据格式(JSON、TOML、CSV等)和模型文件。特别值得注意的是,新增了对特定脚本类型的支持,包括传统服务器脚本、运行上下文服务器脚本和插件脚本等。
枚举属性与插件脚本支持
新版本增加了对Enum属性的支持,使开发者能够更精确地控制属性值。同时,引入了.plugin.lua和.plugin.luau文件支持,这些文件会被赋予Plugin运行上下文,为插件开发提供了更好的支持。
项目安全与配置增强
7.5.0版本引入了blockedPlaceIds项目字段,允许开发者阻止特定地点ID进行实时同步,增强了项目安全性。所有特殊JSON文件(如.project.json、.model.json和.meta.json)现在支持$schema字段,为配置验证提供了更好的支持。
用户体验改进
新版本在用户体验方面做了多项改进:
- 新增了表格属性(如属性和标签)的弹出式差异可视化工具
- 改进了补丁可视化器的用户体验
- 优化了设置界面
- 增加了更新通知功能
- "在外部打开脚本"选项现在可以在同步过程中修改
- 同步提醒通知现在会显示上次同步的内容和时间
性能优化与问题修复
7.5.0版本显著提升了.rbxm文件的解析性能,使模型加载更加高效。修复了模型枢轴在某些情况下构建不正确的问题,增强了Undo/Redo历史的健壮性,解决了通知和工具提示文本被截断的问题。
安装与升级
用户可以通过多种方式安装Rojo 7.5.0:
- 使用Aftman或Rokit等工具管理工具链
- 从GitHub发布页面下载预编译二进制文件
- 通过Cargo从crates.io构建安装
Roblox Studio插件可以通过rojo plugin install命令安装,或直接从Roblox插件市场获取。
Rojo 7.5.0版本的发布为Roblox开发者带来了更强大的功能和更流畅的开发体验,特别是在项目配置灵活性和性能方面有了显著提升。这些改进将帮助开发者更高效地构建复杂的Roblox体验。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00