Godot Export 项目教程
1. 项目介绍
Godot Export 是一个 GitHub Action,用于自动导出 Godot 游戏项目。它支持标准和 Mono 构建,并且可以根据配置自动生成导出文件,支持多种平台(如 Windows、Mac、Linux 等)。该项目的主要目的是简化 Godot 项目的导出流程,使得开发者可以更方便地将游戏发布到不同的平台。
2. 项目快速启动
2.1 安装与配置
首先,你需要在 GitHub 仓库中添加 .github/workflows/main.yml 文件,并在其中配置 Godot Export Action。以下是一个简单的配置示例:
name: Export Godot Game
on:
push:
tags:
- "v*"
jobs:
export_game:
runs-on: ubuntu-latest
permissions:
write-all: true
steps:
- name: Checkout
uses: actions/checkout@v3.3.0
- name: Export Game
id: export
uses: firebelley/godot-export@v5.2.0
with:
godot_executable_download_url: "https://downloads.tuxfamily.org/godotengine/4.0/Godot_v4.0-stable_linux_x86_64.zip"
godot_export_templates_download_url: "https://downloads.tuxfamily.org/godotengine/4.0/Godot_v4.0-stable_export_templates.tpz"
relative_project_path: "/"
archive_output: true
- name: Create Release
uses: ncipollo/release-action@v1.12.0
with:
token: ${{ secrets.GITHUB_TOKEN }}
generateReleaseNotes: true
tag: ${{ github.ref_name }}
artifacts: ${{ steps.export.outputs.archive_directory }}/*
2.2 配置 Godot 导出预设
在 Godot 编辑器中,进入 Project -> Export,创建至少一个导出预设。确保在“Export Path”框中设置文件名,以便 Godot Export Action 知道如何命名你的二进制文件。
例如,对于 Windows 导出,可以在“Export Path”中设置为 win.exe。
3. 应用案例和最佳实践
3.1 自动发布游戏
通过配置 GitHub Actions,你可以在每次发布新版本时自动导出游戏,并将导出文件上传到 GitHub Releases。这样可以大大简化发布流程,减少手动操作的错误。
3.2 多平台支持
Godot Export 支持多种平台的导出,包括 Windows、Mac、Linux 等。通过配置不同的导出预设,你可以一次性生成多个平台的游戏包。
4. 典型生态项目
4.1 Godot Engine
Godot Engine 是一个开源的游戏引擎,支持 2D 和 3D 游戏开发。Godot Export 是 Godot Engine 生态系统中的一个重要工具,帮助开发者更方便地发布游戏。
4.2 GitHub Actions
GitHub Actions 是一个持续集成和持续交付(CI/CD)平台,允许开发者自动化软件开发流程。Godot Export 利用 GitHub Actions 的能力,实现了自动化的游戏导出和发布。
通过以上步骤,你可以快速上手使用 Godot Export,并将其集成到你的 Godot 项目中,实现自动化的游戏导出和发布。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00