新闻详情

新闻详情

首页 / 资讯中心 / 详情

ArknightsGameResource战斗系统数据解析:buff_template、battle表与[uc]lua热更脚本

发布时间:2026/11/15 8:41:13来源:尧图网络
ArknightsGameResource战斗系统数据解析:buff_template、battle表与[uc]lua热更脚本
ArknightsGameResource战斗系统数据解析buff_template、battle表与[uc]lua热更脚本【免费下载链接】ArknightsGameResource明日方舟客户端素材项目地址: https://gitcode.com/gh_mirrors/ar/ArknightsGameResourceArknightsGameResource 是明日方舟客户端素材的完整开源镜像其中gamedata/目录几乎囊括了战斗系统的全部运行时数据buff_template模板表、battle 目录下的各类战斗表以及[uc]lua目录里的热更新 Lua 脚本。对新手来说这是理解明日方舟一张 buff 从定义到生效完整链路的最快入口。本文将带你快速看懂这三块数据。一、先看数据全貌gamedata 目录结构战斗相关数据集中在gamedata/下核心子目录如下目录 / 文件内容规模gamedata/battle/战斗表集合buff 模板、关卡脚本等8 个 JSON 表gamedata/buff_table.json基础 buff 定义虚弱、晕眩、沉默等112 条gamedata/[uc]lua/热更新 Lua 脚本热修复、自定义 Action数千个脚本明日方舟战斗系统数据与干员立绘对照示意图展示ArknightsGameResource中的素材组织方式二、buff_template_data.json8447 个 buff 模板buff_template_data.json 是整个战斗表里最大的一张包含8447 个模板键名就是模板 key例如skadi2_s_1、skadi2_s_1[protect]—— 斯卡蒂二代技能产生的增伤/护盾damage_block[all]、periodic_damage[not_env]—— 通用挡伤害、周期伤害明日方舟干员斯卡蒂立绘对应buff_template_data.json中的skadi2系列buff模板示例每个模板的核心结构是eventToActions——当某事件发生时执行哪些动作{ templateKey: damage_block[all], eventToActions: { ON_TAKE_DAMAGE: [ { $type: Torappu.Battle.Action.NodesBlockDamage, Assembly-CSharp, _showShieldUI: false } ] } }可以看到动作节点用$type指向 C# 程序集中的类如BlockDamage再带上一组下划线前缀的参数。这就是明日方舟战斗系统的核心设计buff 行为 事件 动作节点 参数。想查某个 buff 具体干了什么按 key 找到模板看它挂了哪些事件、调了哪些节点即可。同目录下还有几张配套小表ep_breakbuff_table.json异常/护盾类 buffSANITY、WATER、FIRE、DARK、ANGERlevel_script_table.json关卡脚本索引levelScriptDataLevelDict中登记了 gamedata/levelscripts/formal/ 下的关卡脚本battle_misc_table.json战场杂项配置地块类型、粒子特效等三、buff_table.json112 个基础 buff 的数值定义如果说模板表描述buff 做什么那 buff_table.json 描述buff 是什么。以sluggish[inf]减速为例字段含义清晰字段示例值含义attributes.attributeModifiersattributeType: 6, value: -0.8属性修正这里降低 80%maxStackCnt1最大叠层数isDamageMissabletrue减速是否可被闪避影响isSilenceable / isStunnablefalse / false该状态能否被沉默/晕眩打断lifeTimeType258持续时间的类型表中还包含stun、silence、palsy[stack]等 112 个基础状态是理解游戏异常状态体系的第一手资料。明日方舟干员陈立绘配合battle目录战斗表说明关卡与buff数据关联四、[uc]lua 热更脚本不改包也能修战斗逻辑gamedata/[uc]lua/ 是客户端的热更新目录官方可以用 Lua 脚本在不更新客户端的情况下修复 bug 或微调逻辑。对数据解析者而言它同时揭示了战斗系统的扩展点1. 自定义战斗 Action / AbilityBehaviourbattle/battlemodule.lua 引入测试脚本通过BattleMgr.me:DefineAction(TestAction, test)注册一个 Lua 版动作并在OnExecute(blackboard, sourceType, snapshot)中执行逻辑见 battle/actions/testaction.lua。这与 buff 模板里的 C# 动作节点互为补充简单行为走数据表复杂行为可下沉到 Lua。2. 海量热修复脚本hotfixesgamedata/[uc]lua/hotfixes/ 下有上百个*hotfixer.lua。以 whitw2skill3funnelrangedattackhotfixer.lua 为例它继承HotfixBase用Fix_ex把 C# 类Whitw2Skill3FunnelRangedAttack的OnDetached、RuntimeApplyAttack两个方法运行时替换成 Lua 实现并用xpcall包裹保证异常不外泄。文件名基本就是哪个干员/哪个系统出了什么问题的直接说明是很好的系统命名对照表。3. 目录分工base/战斗、计时器、网络、对话等基础模块feature/支援席、活动、衣橱等玩法特性hotfixes/热修复脚本集合五、总结三步读懂明日方舟战斗数据查状态→ buff_table.json112 个基础 buff 的属性与修正查行为→ battle/buff_template_data.json8447 个事件 → 动作节点模板查逻辑补丁→ gamedata/[uc]lua/hotfixes/Lua 热更如何替换 C# 行为。配合根目录的 file_dict.json素材清单与 levels.json关卡数据你就能在本地完成一次完整的战斗系统逆向阅读。【免费下载链接】ArknightsGameResource明日方舟客户端素材项目地址: https://gitcode.com/gh_mirrors/ar/ArknightsGameResource创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉