tModLoader中物品研究覆盖机制的公开化改进
背景介绍
在tModLoader游戏模组开发中,开发者经常需要创建具有多种状态的物品,例如游戏中的"贝壳电话"或自然指南等物品。这类物品通常具有一个主要形态和多个次级形态,玩家可以通过右键点击在不同形态间切换。然而,当涉及到物品研究系统时,开发者希望所有次级形态的研究进度都能计入主物品的研究进度。
技术挑战
在tModLoader的现有实现中,ContentSamples.AddItemResearchOverride()
方法被标记为private
,这意味着模组开发者无法直接调用这个方法来设置物品研究覆盖关系。开发者不得不采用以下两种变通方案:
- 使用反射技术绕过访问限制
- 直接修改
ContentSamples.CreativeResearchItemPersistentIdOverride
字典
这些方法虽然可行,但都不够优雅,且可能带来维护上的问题。
解决方案
tModLoader团队决定将AddItemResearchOverride()
方法的访问修饰符从private
改为public
,使其成为官方支持的API。这一改动使得模组开发者可以更安全、更方便地实现多状态物品的研究进度共享功能。
实现示例
以下是一个典型的多状态物品实现示例,展示了如何使用这个新公开的方法:
public class MultiStateItem : ModItem
{
public override void SetStaticDefaults()
{
// 设置主物品的研究解锁数量
Item.ResearchUnlockCount = 5;
// 注册次级形态的研究覆盖关系
ContentSamples.AddItemResearchOverride(
Type,
ModContent.ItemType<SecondaryStateA>(),
ModContent.ItemType<SecondaryStateB>()
);
}
// 其他物品属性和方法...
}
注意事项
-
物品类型切换限制:使用
Item.ChangeItemType()
方法切换物品类型时,会丢失物品的前缀等附加数据。因此,这种技术最适合用于工具类或非装备类物品。 -
状态切换实现:完整的物品状态切换应该同时处理物品栏右键点击和选中物品时的右键点击两种交互方式。
-
替代方案:对于需要保存更多自定义数据的物品,建议在
ModItem
中实现状态逻辑,而不是切换物品类型。
技术展望
这一改进为模组开发者提供了更规范的API来实现复杂物品系统。未来tModLoader可能会进一步优化物品状态切换机制,例如提供保留物品数据的类型切换方法,或者支持动态修改物品显示名称等功能,使多状态物品的实现更加灵活和强大。
通过这次API的公开化,tModLoader继续展现了其对模组开发者友好性的承诺,为创造更丰富的游戏内容提供了坚实的技术基础。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









