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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00