PlayCanvas引擎中ESM脚本属性创建方案解析
2025-05-23 07:01:02作者:胡唯隽
PlayCanvas引擎团队近期针对ESM脚本中属性创建的问题进行了深入讨论,本文将从技术角度全面解析该问题的背景、解决方案及最佳实践。
问题背景
在PlayCanvas引擎中,脚本组件传统上使用create()方法来实例化带有属性的脚本。这种方式依赖于预先定义的属性模式(attribute schema),但在纯引擎环境下(无编辑器支持),ESM脚本使用JSDoc标签定义模式,导致无法直接设置脚本属性。
当前开发者必须分两步操作:
const script = scripts.create('scriptName');
script.myNum = 1;
这种分离的写法不够优雅,团队希望实现属性在脚本创建时就能直接设置。
解决方案探讨
团队提出了三种主要解决方案,各有优缺点:
方案1:复用attributes属性
scripts.create('scriptName', { attributes: { myNum: 1 }})
优点:API简单,复用现有接口 缺点:编辑器与引擎行为不一致;语义上attributes在纯引擎中并不真正存在
方案2:专为引擎设计的新方法
scripts.createWithProperties('scriptName', { myNum: 1 })
优点:行为明确,不重载attributes概念 缺点:增加新方法可能导致混淆
方案3:新增properties属性
scripts.create('scriptName', { properties: { myNum: 1 }})
优点:单一方法,清晰区分attributes和properties 缺点:增加额外属性
技术决策与实现
经过深入讨论,团队最终达成以下技术共识:
-
统一API设计:采用单一
create()方法,同时支持attributes和properties参数,但行为不同:attributes:仅在模式存在时有效,否则警告properties:总是赋值,不考虑模式
-
类型安全考虑:在编辑器环境中,类型验证应提前进行,避免运行时错误。建议采用
scripts.add(new Class(data))方式,便于编辑器进行类型检查。 -
属性复制策略:默认使用
Object.assign进行浅拷贝,开发者可自行决定是否需要深拷贝。
最佳实践建议
对于不同场景的开发者:
编辑器用户
// 依赖编辑器类型检查
scripts.add(new MyScript({
vertex: shaderAsset,
fragment: anotherShader,
depthTest: true
}));
纯引擎用户
// 直接设置属性
const script = scripts.create('MyScript', {
properties: {
speed: 10,
color: new Color(1, 0, 0)
}
});
// 或者分步设置
const script = scripts.create('MyScript');
script.speed = 10;
script.color = new Color(1, 0, 0);
技术展望
这一改进为PlayCanvas脚本系统带来更灵活的属性管理方式,特别是对纯引擎用户更加友好。未来可能会进一步优化:
- 增强类型系统支持
- 提供更丰富的属性复制策略
- 改进脚本序列化/反序列化能力
通过这次改进,PlayCanvas在保持向后兼容的同时,为现代JavaScript模块化开发提供了更好的支持。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
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 Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 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 Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220