0%

背景

Unity开发中有很多重复性操作:创建GameObject、调整材质、管理场景层级……如果能用自然语言让AI帮你做这些事,效率会提升很多。

MCP for Unity 就是这样一个桥梁——它通过 MCP(Model Context Protocol)协议把 AI 助手(Claude Code、Cursor 等)和 Unity 编辑器连接起来,让 AI 可以直接操控你的 Unity 项目。

本文记录从零安装 Unity MCP 并跑通 Claude Code 连接的完整流程。

阅读全文 »

背景

之前每次更新博客都要手动执行 hexo clean && hexo deploy,需要本地安装 Node.js 和项目依赖,换台电脑就很不方便。将部署流程整合到 GitHub Actions 后,只需要把文章推送到仓库,CI 会自动构建并部署到 GitHub Pages。

阅读全文 »

背景

写博客是个好习惯,但每次都要花大量时间组织内容、排版、调整格式,很容易劝退。如果能用AI工具自动生成博客内容,同时保证质量,那效率就能提升很多。

本文介绍如何使用 Claude Code(Anthropic推出的AI编程CLI工具)配合 火山方舟Coding Plan,搭建一套自动化写Hexo博客的工作流,并重点讲解如何避免API Key泄漏。

阅读全文 »

近期读完了《我的26岁女房客》这本书,这是一部都市情感小说,讲的是男主昭阳——一个颓废的苏州青年,在人生低谷期与四个截然不同的女性之间的情感纠葛,最终不断抉择、成长,走向女主的故事。里面关于男主和四个女主的情感故事覆盖了很多现实生活中恋爱的种类:

  • 简薇:代表校园刻骨铭心的初恋;
  • 乐瑶:人生低迷时期的相互陪伴;
  • 李小允:相亲的邻家对象;
  • 米彩:相互磨合的走到最后的女主;

这部分其实不同的人容易获得不同的感觉,比如你有过校园恋爱的、你有过一起相互扶持的都能映射到不同的女主里面,这里李小允真的很吃亏,毕竟现实中的相亲有感情的其实很少(我个人观点);

其次是我对男主这个人的主观观点,从我个人看书的角度上来说,男主是一个苏州大学毕业、父亲是科长、自身业务能力很好、为人极度自卑又表现为自负的人、说话轻浮但是本身是比较稳重的人、追求”天空之城”。现实生活中我对他的描述是夹在自身层级和自己的女朋友们层级之间挣扎的人;从头到尾我还是觉得他不靠谱,说句实话我要是有女儿,我也没办法接受这样的一个人做女婿,毕竟才华是一个很抽象的东西,但是他烟酒都来、私生活混乱(看起来)、喜欢泡吧;我只能说现实中的男生要先让自己靠谱,才能让别人相信你说的话;

阅读全文 »

2023年过去了,这是我第一次完整在一个公司度过一年,这一年我身上发生了很多的变化:

  1. 完成了工作身份上的转变,从需求实现的人变化为自我提出需求和完成需求的角色;
  2. 工作氛围的变化,现在对接的工作人更多,且在工友里面找到了一起打羽毛球的人;
  3. 感情生活上确定了无法和现在的对象走向婚姻,变得随和,且不在在意我们之间的三观区别;
  4. 初恋结婚了,想到之前的故事,觉得我可能很难找到和初恋一样爱我的人了,感觉可能很难结婚了;
  5. 找到了和父母相处的方式,支撑家庭的同时尽量对自己好点;
阅读全文 »

背景

Unity WebGL生成的wasm过程是从C#代码经过IL2CPP转换成为C++代码,再由Emscripten编译成为wasm代码包。对于微信小游戏这种对包体大小敏感的平台,wasm代码包往往占据了大量的体积,而其中有不少并不合理的代码占用。

本文介绍如何获取wasm代码包,使用twiggy分析每个函数的内存大小,以及如何利用符号表将混淆后的函数名还原为C#方法名,从而精确定位每个C#代码的wasm占用情况。

阅读全文 »

unity使用Addressables进行资源管理很方便但是有一个很值得诟病的问题, 那就是catalog文件过大, 对于一个持续运营的项目来说catalog文件可能超过10M, 导致初始化Addressables时间较长, 峰值内存上涨明显.

本文通过分析catalog文件中主要的内容占用和内存开销, 提出一些可行的(已实践)方案.

一. catalog相关的开销分析

catalog 开销主要来自两个部分:

  1. 初始化Addressables 的时间开销, 使用Addressables需要确保catalog 加载完成, 对于部分网络情况不佳的用户造成卡顿较长的体验;
  2. 加载catalog文件的内存开销, 使用json格式的Addressables加载时会产生两倍于自身大小的内存开销.

加载catalog的时间开销和网络情况密切相关, 实际测试下来一个1Mcatalog文件经过传输和加载到内存, 整体时间超过1s. 主要的开销来源是文件的大小.

内存上的开销主要是加载文本本身和反序列化数据之后的结果上的内存开销.

阅读全文 »