【 Godot 4 学习笔记】组合

继承和组合是编程中常用的两种策略,旨在尽可能多地重用代码。继承应用得非常广泛，但我认为组合在很多场景下会更加合适一些。基于组合，游戏开发前辈们专门设计出了实体组件模式（EC模式）和进阶的ECS模式。本篇所提及的Godot中的“组合”可能更倾向于UML类图中描述类与类关系的“组合”，而并不完全是EC模式或ECS模式所提到的严格的形式，尤其是在Godot中，更是以一种父子节点的关系来实现。但是这对理解什么是“组合”和“继承”，以及两者的区别和优劣，并为进一步学习ECS模式提供基础。

定义攻击类Attack，主要用来传递参数等。class_name Attack #定义类var attack_damage:float #攻击力var konckback_force:float #攻击后退理论var attack_position:Vector2 #攻击位置。

Godot虽然有内置文档和在线文档，但是对于特定控件的讲解资料是很少的。因此对于使用者可能会造成一定困扰。笔者（Bilibili@巽星石）一直想实现一个Godot控件的详细教程，为了实现这个目的，我会开始一系列的文章来进行总结，并不断地修改，以便于读者食用。通过主题覆盖部分，图标分组下，可以设定自定义的选中和非选中状态下的图标。比如这里我们使用的对钩图标。

这是本人用Godot4.2开发2D游戏的自学笔记，我希望能够系统地学习和掌握游戏设计制作的相关技能，成为一名优秀的游戏开发者。记笔记的目的是防止自己忘记，另一方面是不断积累、不断创新，提高自己的水平。同时，还希望能与更多志同道合的朋友一起交流学习，共同探讨游戏的未来发展趋势，不断拓展自己的视野和思维。

Godot 3.4 组合键，连招时对按键的判定，实现代码。底部有使用的示例文件 关键代码： #================================================== # Componse Input - 组合输入 #================================================== # * 延迟判断按键是否被按下，防止操作过于快速导致组合键失效 # * 例，按下：小键盘方向键左+空格，则触发操作： # add_mapper( # "刺" .

py4godot：为Godot引擎带来Python的强大生态 项目介绍 py4godot 是一个开源的GDExtension插件，它允许开发者在Godot引擎中使用Python语言进行脚本编写，就像使用GDScript一样。通过这个插件，开发者可以轻松访问Godot引擎的特性，同时也能从Python丰富的生态系统和库中受益。 此项目灵感来源于 godot-python，目前仍处于早期开发阶段，因此...

Nodot：Godot 4 的节点组合库 Nodot 是一个面向视频游戏开发的开源项目，旨在为 Godot 4 引擎提供一系列的节点、自动加载脚本和场景。该项目的主要编程语言是 GDScript，这是一种类似于 Python 的脚本语言，专门为 Godot 游戏引擎设计。 项目的基础介绍 Nodot 的目标是提供一组工具，这些工具可以快速创建各种类型的游戏。通过这个库，开发者可以轻松地添加和管理游...

推荐开源项目：Nodot - Godot 4 的节点组合库 nodot A video game node library for Godot 4 项目地址: https://gitcode.com/gh_mirrors/no/nodot ...

extends：继承。_ready()：第一次加载入场景中调用，相当于Unity中的Start()。_process(delta)：每一帧调用，相当于Unity中的Update()。delta是自上一帧经过的时间，类似于Time.deltatime。pass：关键字pass的作用相当于空函数体（"{}"），什么也不用做。

Godot零散知识点项目汇总

abstract# 子类必须重写此方法，否则编辑器报错@abstractpass。

当开发者第一次接触大模型（LLM）时，通常是从调用各大厂商的 API 开始的。只需几行代码发送一个 HTTP 请求，就能获得模型的回答，看起来似乎非常简单。但随着业务场景逐渐复杂，真实的工程痛点开始浮现。

本文提出了一种分解式视觉-语言对齐框架，用于解决细粒度开放词汇分割中的组合泛化问题。传统方法因将多属性文本提示整体编码而导致语义纠缠，难以泛化到未见过的属性-类别组合。该框架通过以下创新实现突破：(1) 显式分解文本提示为独立的概念标记和属性标记；(2) 引入特征门控交叉注意力模块，通过乘法融合强制组合语义；(3) 提出对数空间"与"评分策略，实现稳定的组合匹配。在UBC和PACO-LVIS数据集上的实验表明，该方法显著提升了对未见组合的泛化能力（UBC上未见AP从4.0提升到7.1）

摘要： KNN（K近邻）是一种基于实例的“懒惰学习”算法，其核心思想是“物以类聚”——通过计算新样本与训练数据的距离，找到最近的K个邻居进行投票（分类）或取均值（回归）。KNN无需训练，但预测时需遍历所有数据，效率较低。其性能高度依赖距离度量（如欧氏距离、余弦相似度）、K值选择（需权衡偏差与方差）以及特征缩放（必须标准化）。KNN简单直观，但在高维数据中受“维度灾难”影响严重（点间距离趋同），且对噪声敏感。实际应用中需注意：优先选择奇数K值（3~15）、使用交叉验证调参、结合KD-Tree优化计算。KNN适

今天学习了prompt提示词的优化思路，知道了什么是好提示词标准。针对指令和推理型模型使用提示词的标准，大部分现在用的聊天类大模型都是指令类型，重点在于准确、规范。而推理类的重点在于少引导，让他发挥。实战方面实现了一个新闻分析项目，补习了一下日志类的调用。不过今天的重点主要是发现了大模型一个妙用，只要给好提示词，就可以让ai大模型变成一个完善的训练教练，帮我提升技能。ai学了，我就借ai学的学，没有问题。游戏开发方面今天没有做，下午课程满了，安排轮不上了，太累了。

先nc链接一下，发现什么命令都没有用，下载附件放到kali里面file查看一下再checksec一下看看是否有保护然后放到IDA中查看，发现了栈溢出，定义了16，读取了0x64ull=100发现bin/sh，查看一下找到溢出，后门编写exp运行后得到flag。

LucasChessR是一款专业棋类训练软件，支持国际象棋、中国象棋、日本将棋和五子棋。其核心特色是自适应难度系统，能根据玩家水平动态匹配60多个不同等级的AI对手（0-3000ELO）。软件提供实时走法指导、战术组合训练、开局库学习、残局练习等系统化课程，并具备棋谱分析、盲棋训练等专项功能。通过PGN/FEN格式支持深度复盘，帮助用户针对性提升棋艺。下载链接包含迅雷和夸克网盘资源。

本文系统介绍了直流无刷电机（BLDC）的工作原理与控制方法。主要内容包括： 电机分类与位置检测： 根据反馈信号区分BLDC（方波）与PMSM（正弦波） 位置检测方式分为有传感器（霍尔、磁编码器、光栅编码器）和无传感器两种 有传感器方案特点： 霍尔传感器：成本低但分辨率有限（60°电角度） 磁编码器：连续高分辨率，适合FOC控制 光栅编码器：最高精度，但抗污染能力弱 无传感器控制方法： 反电动势过零检测（BLDC） 滑模观测器/卡尔曼滤波（PMSM） 高频注入法（零速启动） 无传感器启动技术： 三段式启动：预