Entitas框架中自定义定点数类型的编辑器支持方案
在游戏开发中使用Entitas框架时,开发者经常会遇到需要自定义定点数类型(如fixInt、fixVec3等)的情况。这些自定义类型在Entitas的默认编辑器界面中无法正确显示和编辑,给开发带来了不便。本文将深入分析这一问题,并提供完整的解决方案。
问题背景
Entitas框架的Unity编辑器扩展提供了一套类型绘制器(TypeDrawer)系统,用于在检视面板中显示和编辑各种数据类型。默认情况下,系统内置了对常见类型如int、float、Vector3等的支持,但对于开发者自定义的定点数类型,需要手动添加支持。
解决方案
1. 理解TypeDrawer机制
Entitas的TypeDrawer是一个基于反射的系统,它允许开发者为特定类型注册自定义的绘制逻辑。每个TypeDrawer负责在编辑器界面中如何显示和编辑对应类型的值。
2. 创建自定义TypeDrawer
要为自定义定点数类型添加支持,需要为每种类型创建对应的TypeDrawer。以下是创建fixInt类型TypeDrawer的示例:
[Entitas.CodeGeneration.Attributes.DontGenerate]
public class FixIntTypeDrawer : ITypeDrawer {
public bool HandlesType(Type type) {
return type == typeof(fixInt);
}
public object DrawAndGetNewValue(Type memberType, string memberName, object value, IEntity entity, int index, IComponent component) {
var fixValue = (fixInt)value;
var floatValue = fixValue.ToFloat();
var newFloatValue = EditorGUILayout.FloatField(memberName, floatValue);
return new fixInt(newFloatValue);
}
}
3. 注册TypeDrawer
创建好TypeDrawer后,Entitas会自动发现并注册它们。确保TypeDrawer类位于Editor文件夹中,并且实现了ITypeDrawer接口。
4. 处理复杂类型
对于fixVec3这样的复合类型,需要更复杂的绘制逻辑:
public class FixVec3TypeDrawer : ITypeDrawer {
public bool HandlesType(Type type) {
return type == typeof(fixVec3);
}
public object DrawAndGetNewValue(Type memberType, string memberName, object value, IEntity entity, int index, IComponent component) {
var vec = (fixVec3)value;
EditorGUILayout.LabelField(memberName);
EditorGUI.indentLevel++;
vec.x = new fixInt(EditorGUILayout.FloatField("X", vec.x.ToFloat()));
vec.y = new fixInt(EditorGUILayout.FloatField("Y", vec.y.ToFloat()));
vec.z = new fixInt(EditorGUILayout.FloatField("Z", vec.z.ToFloat()));
EditorGUI.indentLevel--;
return vec;
}
}
高级技巧
-
属性支持:可以为TypeDrawer添加对Unity属性的支持,如Range、Tooltip等,提升编辑器体验。
-
性能优化:对于频繁更新的类型,可以考虑实现缓存机制,避免频繁的类型转换。
-
错误处理:添加健壮的错误处理,确保非法输入不会导致编辑器崩溃。
-
可视化增强:为定点数类型添加特殊的可视化效果,如颜色编码、进度条等。
总结
通过实现自定义TypeDrawer,开发者可以无缝地将定点数类型集成到Entitas的编辑器界面中。这种方法不仅适用于定点数类型,也可用于任何自定义数据类型,大大增强了Entitas框架的扩展性和灵活性。掌握这一技术后,开发者可以打造更加专业和高效的游戏开发工作流。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00