Create模组中移动漏斗无法收集包裹实体的技术分析
2025-06-24 09:06:39作者:乔或婵
问题背景
在Create模组6.0.3版本中,玩家发现了一个关于漏斗功能的行为异常:当漏斗安装在移动装置(contraption)上时,无法像静态漏斗那样收集包裹(Package)实体。这是一个功能完整性问题,因为包裹实体在Create模组中被设计为具有物品实体的特性,理应能被各种漏斗收集。
技术原理分析
Create模组中的漏斗系统分为两种工作模式:
- 静态漏斗:直接放置在方块世界中的漏斗,通过
FunnelBlock类实现 - 移动漏斗:安装在移动装置上的漏斗,通过
FunnelMovementBehaviour类实现
静态漏斗的工作机制
静态漏斗通过FunnelBlock类处理物品收集,其关键逻辑是:
- 同时检查物品实体(ItemEntity)和包裹实体(PackageEntity)
- 使用
ItemHelper.extract方法处理实体收集 - 支持多种类型的物品输入/输出操作
移动漏斗的问题根源
移动漏斗的实现类FunnelMovementBehaviour中存在功能缺失:
- 仅处理普通物品实体(ItemEntity)
- 完全忽略了包裹实体(PackageEntity)的收集逻辑
- 导致安装在移动装置上的漏斗功能不完整
代码层面差异
通过对比两个实现类的关键代码可以清晰看到差异:
静态漏斗收集逻辑:
// 同时处理ItemEntity和PackageEntity
if (entity instanceof ItemEntity || entity instanceof PackageEntity) {
ItemHelper.extract(...);
}
移动漏斗收集逻辑:
// 仅处理ItemEntity
if (entity instanceof ItemEntity) {
// 收集逻辑...
}
影响范围
此问题影响所有安装在移动装置上的漏斗类方块,包括:
- 普通漏斗
- 智能漏斗
- 各种变种漏斗
解决方案
修复此问题需要修改FunnelMovementBehaviour类,使其包含对PackageEntity的处理逻辑,保持与静态漏斗一致的行为。具体修改应包括:
- 添加PackageEntity的类型检查
- 复用现有的物品收集逻辑
- 确保移动状态下的包裹处理与静态情况一致
技术启示
这个问题展示了在模组开发中一个常见的设计挑战:当功能需要在不同环境下(静态/动态)复用时,必须确保行为一致性。开发者在实现移动装置上的方块行为时,需要:
- 全面考虑原版方块的所有功能特性
- 建立完善的测试用例覆盖各种使用场景
- 保持代码逻辑的对称性和一致性
总结
Create模组中移动漏斗无法收集包裹实体的问题,本质上是功能实现不完整导致的。通过分析静态和动态两种漏斗的实现差异,我们可以清晰地看到问题所在。这类问题的解决不仅需要修复具体代码,更需要建立防止类似问题再次出现的开发规范和测试流程。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660