RPGMakerMZ 游戏引擎 野外采集点制作

本文章个人保存记录 

Project1论坛 小圈子 人才 不得学习

注意几点

1. 采集点需要计时 所以需要初始化数组 记录每一个采集点的时间

2. 保存每一个采集点的时间经过了多少

3. 判断采集点时间是否为0 为0则进行采集 然后重新赋值时间

1.初始化采集点

需要在RPGMZ游戏 新建游戏 读取存档 这两点进行初始化采集点数组

//=============================存档功能====================================== const _Game_System_initialize = Game_System.prototype.initialize; Game_System.prototype.initialize = function() { _Game_System_initialize.call(this); this.initCollectCooldown(); // 初始化采集点 }; // 初始化采集点冷却 Game_System.prototype.initCollectCooldown = function() { // 如果已经存在,就不覆盖(保护存档) if (this._Collect_Cooldown != null) return; // 100个采集点,1~5分钟随机冷却 this._Collect_Cooldown = []; for (let i = 0; i < 100; i++) { this._Collect_Cooldown[i] = Math.floor(Math.random() * 14401) + 3600; } }; const _Game_System_prototype_onAfterLoad = Game_System.prototype.onAfterLoad Game_System.prototype.onAfterLoad = function() { _Game_System_prototype_onAfterLoad.call(this); this.initCollectCooldown(); };

initialize 是新建游戏时走的 onAfterLoad是读取存档时走的 都需要初始化

以上代码 可以同时完成 1 2 两个知识点

3. 采集点的计时和判断

const _Scene_Map_prototype_update = Scene_Map.prototype.update; Scene_Map.prototype.update = function() { _Scene_Map_prototype_update.call(this); //采集点冷却计时 for (let i = 0; i < 100; i++) { if($gameSystem._Collect_Cooldown[i] > 0){ $gameSystem._Collect_Cooldown[i]--; } } };

接下来在事件页进行判断即可

以人参为例子 分支 $gameSystem._Collect_Cooldown[0] 是第一个采集点 游戏内可以有很多个采集点 一百个 一千个都可以 当然每个采集点时间都是独立的

成功制作出了游戏内野外采集功能 并且支持存档功能

【RPGMakerMZ 野外采集点制作方式】 视频演示

结尾总结

请Project1论坛的小圈子 离开

Read more

Open-WebUI—开箱即用的AI对话可视化神器

Open-WebUI—开箱即用的AI对话可视化神器

你是否曾兴奋地在本地部署了Ollama,却很快被冰冷的命令行和繁琐的指令劝退?是否羡慕ChatGPT那样优雅的聊天界面,却又希望数据能牢牢掌握在自己手中?OpenWebUI。这个在GitHub上狂揽 110,000 Stars 的明星项目,完美地解决了所有痛点 github地址: https://github.com/open-webui/open-webui 1.什么是Open WebUI? Open WebUI 是一款专为大型语言模型(LLM)设计的 开源可视化交互框架,它通过简洁的Web界面,让用户无需编写代码即可与本地部署的AI模型/各大服务商提供大模型API(如DeepSeek、Llama、ChatGLM等)进行自然对话。其核心使命是 “让LLM私有化部署像打开浏览器一样简单” ,尤其适合需要快速搭建企业级AI平台或追求数据隐私的开发者。 2. 核心价值 * 开箱即用:无需复杂的前端开发,快速搭建 AI 交互界面。完全开源,可自由部署、修改和二次开发,无商业使用限制。 * 多模型支持:兼容 Ollama、

Qwen-Image-2512-SDNQ Web服务实战:API集成进Python脚本实现批量图片生成

Qwen-Image-2512-SDNQ Web服务实战:API集成进Python脚本实现批量图片生成 1. 项目概述与核心价值 今天给大家分享一个特别实用的技术方案:如何将Qwen-Image-2512-SDNQ图片生成模型的Web服务API集成到Python脚本中,实现批量图片自动生成。这个方案能帮你把重复性的图片创作工作完全自动化,大幅提升工作效率。 想象一下这样的场景:电商运营需要为上百个商品生成宣传图,内容团队需要为文章批量制作配图,或者设计师需要快速产出多种风格的创意素材。传统方式需要人工一个个输入提示词、点击生成、下载图片,既耗时又容易出错。而通过API集成,这些工作都能用代码自动完成。 这个方案基于Qwen-Image-2512-SDNQ-uint4-svd-r32模型构建的Web服务,提供了稳定可靠的图片生成API。我们将重点讲解如何通过Python脚本调用这个API,实现批量处理、错误重试、结果保存等实用功能。 2. 环境准备与快速部署 2.1 服务端部署 首先确保Web服务已经正常运行。如果你还没有部署,可以按照以下步骤快速搭建: # 克隆项目

AI在前端工作中的应用

AI在前端工作中的应用 在AI的高速发展中,也离不开前端,前端开发也在AI工具中发挥着举足轻重的作用。同时,一些AI工具也是的前端开发工作提效不少,合理利用工具,能在工作中提升效率。本文介绍一些前端与AI结合的场景,不限于接入,也包含一些工具的使用。 1、自定义GPT场景 在自定义 GPT 场景中,前端的核心职责是搭建 “用户 - 自定义 GPT” 的交互入口,同时支撑 GPT 的个性化配置、功能扩展与数据可视化,需围绕 “交互体验、配置能力、集成适配” 三大核心展开工作。 ant-design提供给前端开发者快速开发AI相关的UI组件库:https://ant-design-x.antgroup.com * SSE SSE是一种基于HTTP协议的数据传输方式,它允许服务端向客户端推送数据。前端可以通过SSE实现GPT的实时对话,用户输入问题,GPT返回结果。为什么选择这种方式,是因为GPT返回结果是很漫长的,所以用流式传入,能让用户体验更友好,不用websocket是因为长连接占用资源过多,服务器长连接数有限,所以用SSE。 可以直接使用微软的SSE库:

IDEA 创建 Spring Boot Web 项目完整教程

一、新建 Spring Boot 项目 1. 打开新建项目窗口 * 打开 IntelliJ IDEA → 点击 新建项目(或从欢迎页选择 New Project) * 在左侧生成器中选择 Spring Boot *          截图如下 * 选项填写内容说明服务器 URLstart.spring.ioSpring 官方初始化地址名称demo项目名位置D:\idea项目存放路径(建议不要含中文 / 空格)语言Java开发语言类型Maven项目构建工具组org.example项目组织标识工件demo项目模块名软件包名称com.example.demo根包名JDK21 Oracle OpenJDK 21.0.8你的 JDK 版本Java17源码兼容版本(Spring Boot 4.0.3 推荐 Java 17+)打包Jar可执行 Jar 包(Spring