PathOfBuilding-PoE2 v0.3.0版本深度解析与功能增强
PathOfBuilding-PoE2是一款专为《流放之路2》玩家设计的强大角色构建工具,它允许玩家在游戏外模拟和优化角色配置。作为社区驱动的开源项目,它持续为玩家提供精准的计算和丰富的功能支持。最新发布的v0.3.0版本带来了多项重要更新,显著提升了工具的功能性和准确性。
核心功能增强
情感筛选与涂油系统优化
新版本为涂油弹出窗口添加了情感筛选功能,这一改进使得玩家能够更直观地根据角色情感状态筛选合适的涂油选项。情感系统是《流放之路2》中重要的角色发展机制,这一优化直接提升了角色定制体验。
时间遗失珠宝支持
开发团队为时间遗失珠宝添加了两项重要支持:
- 半径内小型被动技能效果增强的计算支持
- 半径内节点属性合并功能
这些改进让玩家能够更准确地模拟这些独特珠宝带来的复杂被动技能变化,特别是对于依赖特定被动技能组合的构建方案。
战斗机制计算改进
暴击与元素系统
- 新增对"暴击虚弱"减益状态的支持
- 修正了穿透计算逻辑
- 添加了"你没有元素抗性"修饰符的支持
这些改动完善了暴击和元素伤害的计算体系,使DPS预测更加精确。
护甲与防御机制
- 为"拾荒护甲"添加护甲增益支持
- 修正了"马拉卡鲁的技艺"暴击伤害加成计算
- 添加了卡姆之心装备的支持
防御机制的计算改进让生存能力评估更加可靠,特别是对于依赖护甲的构建方案。
技能与投射物系统
技能交互优化
- 修正了药剂技能不被视为徒手攻击的问题
- 修复了链式辅助作用于所有伤害而非仅命中伤害的问题
- 改进了"骨风暴"和"毒气箭"的投射物缩放计算
这些改动确保了特殊技能交互的计算准确性,特别是对于依赖特定技能机制的构建。
召唤物系统
- 修复了召唤物法术技能造成0伤害的问题
- 修正了召唤物技能悬停崩溃问题
召唤流派玩家将受益于更稳定的召唤物伤害计算和界面体验。
用户界面与体验优化
热图功能增强
新增了自定义节点最大深度的功能,允许玩家根据需求调整被动技能树热图的显示范围,这一改进特别适合分析复杂被动技能路径的玩家。
配置选项扩展
- 为"元素驾驭"天赋和"电击"状态添加配置选项
- 修正了"庞大形态"天赋分配后被动节点值不更新的问题
这些界面优化让配置过程更加直观,减少了理解成本。
底层计算修正
资源消耗系统
- 修正了奥术大师的魔力消耗计算
- 添加了对近期消耗充能天赋节点的支持
资源管理是构建优化的关键环节,这些改进确保了魔力与充能计算的准确性。
增益效果系统
- 添加了增益到期率支持
- 修正了猛攻移动速度增益的值
- 修复了"即将降临的灾难"与光环的交互问题
增益系统的完善让临时效果的计算更加符合游戏实际机制。
结语
PathOfBuilding-PoE2 v0.3.0版本通过多项功能增强和计算修正,显著提升了工具的实用性和准确性。从核心战斗机制到用户界面体验,这些改进全面覆盖了玩家构建角色时的各类需求。特别值得一提的是,社区开发者的积极参与带来了多项重要功能,展现了开源项目的活力与潜力。对于追求最优角色配置的《流放之路2》玩家而言,更新后的工具将提供更可靠的数据支持和更流畅的使用体验。
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