新月杀:释放创意的开源游戏创作平台
在游戏世界中,你是否曾梦想过创造属于自己的武将角色和游戏规则?新月杀作为一款基于Qt框架和Lua脚本的开源游戏创作平台,让每位玩家都能从零开始打造专属的三国杀体验。无需专业编程背景,只需简单的Lua脚本知识,你就能将创意变为现实,与全球玩家分享你的独特设计。
为什么选择新月杀创作平台?
创作自由无边界 🛠️
新月杀提供全功能自定义系统,从武将技能到游戏模式,从卡牌效果到界面风格,每个细节都由你掌控。无论是平衡性调整还是全新机制设计,平台都能满足你的创意需求。
社区共创生态
加入活跃的创作者社区,你可以:
- 分享你的设计作品获取反馈
- 下载其他玩家制作的扩展包
- 参与官方举办的创作挑战赛
- 协作开发大型游戏模组
新月杀启动界面
核心创作能力解析
直观的武将设计系统
通过简单的Lua脚本(一种轻量级编程语言),你可以定义武将的:
- 基础属性(生命值、势力、性别等)
- 主动/被动技能效果
- 特殊标记与状态
- 语音与动画效果
灵活的规则引擎
平台内置强大的规则系统,支持:
- 自定义游戏流程
- 复杂技能连锁反应
- 动态事件触发机制
- 多模式胜利条件设定
丰富的资源库
无需从零开始创作,平台提供:
- 数百种现成卡牌模板
- 多样化的技能特效
- 完整的音效素材
- 可定制的界面组件
游戏场景背景
从零打造专属武将:三步创作法
目标:创建你的第一个自定义武将
-
环境准备
git clone https://gitcode.com/gh_mirrors/fr/FreeKill按照文档配置Qt开发环境和Lua解释器
-
设计武将属性 在
lua/lunarltk/core/目录下创建新Lua文件,定义武将基础信息和技能逻辑 -
测试与发布 通过内置调试工具测试技能效果,打包成扩展包分享给社区
成果:拥有完全知识产权的原创武将,可在游戏中直接使用
创意灵感库:五大创作方向
-
历史人物现代化:将现代名人或历史人物转化为武将角色,如"科技企业家"马云禄
-
节日主题定制:设计春节、中秋等节日限定武将,技能与节日习俗结合
-
教育功能融合:创建具有数学计算、历史知识问答等教育元素的技能
-
影视IP改编:将热门影视作品角色转化为游戏武将(注意版权问题)
-
抽象概念具象化:以"时间"、"空间"等抽象概念设计独特机制武将
应用场景:创意无处不在
教育场景:让学习变得有趣
教师可以设计包含历史典故的武将技能,学生在游戏过程中自然学习历史知识。例如"司马迁"武将的技能可以设计为"史记":查看其他玩家的手牌但无法使用,体现其"记录历史"的特点。
家庭聚会:定制专属游戏体验
为家庭成员创建专属武将,技能设计融入家庭趣事和 inside jokes,让普通游戏变成独特的家庭回忆。
节日主题:季节性游戏内容
设计春节限定武将"年兽",拥有特殊的"爆竹"技能;或中秋主题武将"嫦娥",具备"奔月"等节日特色技能。
游戏背景场景
进阶探索:释放无限可能
深度技能设计
掌握高级Lua编程技巧,实现:
- 状态机管理的复杂技能
- 基于概率的随机效果
- 多阶段变身机制
- 动态平衡调整系统
游戏模式创新
超越传统三国杀模式,设计:
- 合作闯关模式
- 生存挑战模式
- 身份动态变化模式
- 大型多人在线玩法
界面个性化
通过QML(Qt标记语言)定制:
- 独特的UI风格
- 自定义动画效果
- 个性化主题皮肤
- 无障碍游戏界面
加入创作者社区
新月杀不仅是一个创作工具,更是一个充满活力的创意社区。在这里,你可以:
- 获取官方教程和开发文档
- 参与线上创作工作坊
- 分享你的作品并获得反馈
- 与其他创作者协作开发
无论你是游戏设计新手还是有经验的开发者,新月杀都能为你提供释放创意的舞台。立即加入我们,开始你的游戏创作之旅,让世界看到你的独特创意!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0193
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook05