Puerts在UE5.5下的编译问题分析与解决方案
问题背景
在使用Puerts插件配合Unreal Engine 5.5版本进行开发时,部分开发者遇到了CSharpParamDefaultValueMetas.cs文件中的编译错误。这个问题主要出现在从源代码构建的UE5.5项目中,错误提示表明UhtSession类型缺少Packages属性的定义。
问题根源分析
这个编译问题的本质在于UE5.5版本对代码生成系统进行了修改,移除了UhtSession.Packages属性。Puerts插件为了兼容不同版本的Unreal Engine,在代码中使用了条件编译宏UE_5_5_OR_LATER来判断版本差异。
然而在某些情况下,特别是在开发者自行编译的Unreal Engine环境中,这个宏可能没有被正确定义或传递到C#编译环境中,导致条件编译失效,最终尝试访问了已被移除的API。
技术细节
在UE5.5之前,代码生成系统通过UhtSession.Packages属性来访问包信息。而在UE5.5中,这个API被重构,需要使用新的方式来获取包信息。Puerts插件中的CSharpParamDefaultValueMetas.cs文件负责处理默认参数值的元数据生成,需要适应这一变化。
解决方案
对于遇到此问题的开发者,有以下几种解决方案:
-
手动添加宏定义: 在CSharpParamDefaultValueMetas.ubtplugin.csproj项目中添加UE_5_5_OR_LATER宏定义,确保条件编译能够正确识别UE5.5版本。
-
直接修改源代码: 如果确定只在UE5.5及以上版本使用,可以直接修改CSharpParamDefaultValueMetas.cs文件,移除条件编译分支,直接使用UE5.5的API调用方式。
-
使用最新代码: 获取Puerts的最新master分支代码,其中已经包含了针对UE5.5的适配修改。
最佳实践建议
-
对于新项目,建议直接使用Puerts的最新master分支代码,它已经包含了完整的UE5.5支持。
-
如果必须使用特定版本的Puerts,建议检查UE5.5的宏定义是否正确定义和传递,确保条件编译能够正常工作。
-
在自行编译Unreal Engine时,注意检查构建系统的完整性,确保所有必要的宏定义都能正确传递到各个编译环节。
总结
Puerts作为连接TypeScript/JavaScript和Unreal Engine的桥梁,需要紧跟Unreal Engine的版本演进。UE5.5对代码生成系统的修改导致了这一兼容性问题,但通过合理的条件编译或代码调整可以很好地解决。开发者应根据自己的项目需求和环境选择合适的解决方案,确保开发流程的顺畅。
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