主要负责： 1. 项目从零开始搭建，独自负责前端，到正式上线历时11个月，技术栈采用C#/xLua ，与 TCP/protobuf ，最早采用 ILRuntime 作为热更框架，后因稳定性差与 bug 多废弃，后采用 xlua 。主要采用状态同步，解决状态同步中出现的各种问题。从网络层的 搭建，集成 github 上开源 lua-protobuf到 xlua中，等其他开源插件的集成。 2. 使用 python 实现 excel->lua 转表工具，python 实现表逻辑验证功能，python 配合 flask 搭建 web 服务器，实现测试自 动更新配置表，与自动热更到客户端。 3. unity 侧根据规则实现 Animator 动画编辑器，将装备，一件装备大概300张序列图，方便技术的使用与美术的预览 ui 采用基 本的 mvc 框架，只会部分页面采用 mvc 写法，简单页面只会留下一个v，页面原理采用栈结构，其他分为置顶层，弹窗层，普通 层。基本的组建绑定（Find 过程）使用编辑器全自动生成，省去人工写大量的 Find 代码。以及框架层面的特效层级处理，UI 与 模型的关系处理。UI 图集采用 TexturePacker 进行合图，按模块拆分以及 commonUI 模块。 4. AB 的管理基本分为 Editor 模式与仿真模式。 加密采用普通的 AB 包头随机写入乱序字节，读取直接采用 LoadFromFile ，然 后传入偏移。引用管理采用引用计数与C#自带的 WeakReference ，实现 AB 的精细化管理，使用者无需考虑资源的释放，直接 调用 GameObject.Destroy。AB 的颗粒度根据装备套数，场景拆为每一个元素为一个 AB ，方便做地图的动态加载，以及根据 UI 是否为同一模块，以及 Common类 UI 模块来拆分，达到内存极简化。AB 的卸载大概时间为60s，进行引用检测卸载30个 AB ，场景的切换会触发全量的引用检测，以及会坚定 IOS/Android 侧的 MemoryWarning 函数，也进行定期检测 5.关于热更，主要是进行 AB 生成时的 md 5列表，远端与本地进行比较（本地的 md 5列表会在初次从 streamingAssets 进行 释放），然后不同的进行更新，下载后的文件只能存放于 persistentDataPath ，资源是借助腾讯云的 COS ，再嵌套 CDN 进行存 放（节省成本），每一个热更版本，都是一个独立的版本，便于做版本的回滚 6. 产品对于大地图的寻路范围达到了1500*1500，普通的A*寻路无法满足需求，后采用更高效的 JPS 地图的核心编辑器为 TileMap ，核心点在于 RuleTile ，编写了大量的 Rule 规则，方便地编人员更方便制作地图。由于大地图大小为1500*1500，根 据规则进行地图的动态加载，加载的过程采用协程等技术避免客户端发生卡顿 8.性能分析部分，采用 unity 自带 profiler，PrefDog ，与 github 的两款插件 lua-snapshot/luaProfiler ，以及封测，二测采 用三方辅助分析 UWA 。分析出卡顿点，资源卸载的不合理情况，以及资源冗余等情况。以及后续 bugly 崩溃日志收集等。 9.近期工具类的代码已经完全使用 chatgpt 进行辅助编写，以及游戏开发过程使用 vscode 插件 copilot 进行代码辅助。

主要负责： 1. 项目从零开始搭建，独自负责前端，到正式上线历时11个月，技术栈采用C#/xLua ，与 TCP/protobuf ，最早采用 ILRuntime 作为热更框架，后因稳定性差与 bug 多废弃，后采用 xlua 。主要采用状态同步，解决状态同步中出现的各种问题。从网络层的 搭建，集成 github 上开源 lua-protobuf到 xlua中，等其他开源插件的集成。 2. 使用 python 实现 excel->lua 转表工具，python 实现表逻辑验证功能，python 配合 flask 搭建 web 服务器，实现测试自 动更新配置表，与自动热更到客户端。 3. unity 侧根据规则实现 Animator 动画编辑器，将装备，一件装备大概300张序列图，方便技术的使用与美术的预览 ui 采用基 本的 mvc 框架，只会部分页面采用 mvc 写法，简单页面只会留下一个v，页面原理采用栈结构，其他分为置顶层，弹窗层，普通 层。基本的组建绑定（Find 过程）使用编辑器全自动生成，省去人工写大量的 Find 代码。以及框架层面的特效层级处理，UI 与 模型的关系处理。UI 图集采用 TexturePacker 进行合图，按模块拆分以及 commonUI 模块。 4. AB 的管理基本分为 Editor 模式与仿真模式。 加密采用普通的 AB 包头随机写入乱序字节，读取直接采用 LoadFromFile ，然 后传入偏移。引用管理采用引用计数与C#自带的 WeakReference ，实现 AB 的精细化管理，使用者无需考虑资源的释放，直接 调用 GameObject.Destroy。AB 的颗粒度根据装备套数，场景拆为每一个元素为一个 AB ，方便做地图的动态加载，以及根据 UI 是否为同一模块，以及 Common类 UI 模块来拆分，达到内存极简化。AB 的卸载大概时间为60s，进行引用检测卸载30个 AB ，场景的切换会触发全量的引用检测，以及会坚定 IOS/Android 侧的 MemoryWarning 函数，也进行定期检测 5.关于热更，主要是进行 AB 生成时的 md 5列表，远端与本地进行比较（本地的 md 5列表会在初次从 streamingAssets 进行 释放），然后不同的进行更新，下载后的文件只能存放于 persistentDataPath ，资源是借助腾讯云的 COS ，再嵌套 CDN 进行存 放（节省成本），每一个热更版本，都是一个独立的版本，便于做版本的回滚 6. 产品对于大地图的寻路范围达到了1500*1500，普通的A*寻路无法满足需求，后采用更高效的 JPS 地图的核心编辑器为 TileMap ，核心点在于 RuleTile ，编写了大量的 Rule 规则，方便地编人员更方便制作地图。由于大地图大小为1500*1500，根 据规则进行地图的动态加载，加载的过程采用协程等技术避免客户端发生卡顿 8.性能分析部分，采用 unity 自带 profiler，PrefDog ，与 github 的两款插件 lua-snapshot/luaProfiler ，以及封测，二测采 用三方辅助分析 UWA 。分析出卡顿点，资源卸载的不合理情况，以及资源冗余等情况。以及后续 bugly 崩溃日志收集等。 9.近期工具类的代码已经完全使用 chatgpt 进行辅助编写，以及游戏开发过程使用 vscode 插件 copilot 进行代码辅助。

主要负责： 1. 项目从零开始搭建，独自负责前端，到正式上线历时11个月，技术栈采用C#/xLua ，与 TCP/protobuf ，最早采用 ILRuntime 作为热更框架，后因稳定性差与 bug 多废弃，后采用 xlua 。主要采用状态同步，解决状态同步中出现的各种问题。从网络层的 搭建，集成 github 上开源 lua-protobuf到 xlua中，等其他开源插件的集成。 2. 使用 python 实现 excel->lua 转表工具，python 实现表逻辑验证功能，python 配合 flask 搭建 web 服务器，实现测试自 动更新配置表，与自动热更到客户端。 3. unity 侧根据规则实现 Animator 动画编辑器，将装备，一件装备大概300张序列图，方便技术的使用与美术的预览 ui 采用基 本的 mvc 框架，只会部分页面采用 mvc 写法，简单页面只会留下一个v，页面原理采用栈结构，其他分为置顶层，弹窗层，普通 层。基本的组建绑定（Find 过程）使用编辑器全自动生成，省去人工写大量的 Find 代码。以及框架层面的特效层级处理，UI 与 模型的关系处理。UI 图集采用 TexturePacker 进行合图，按模块拆分以及 commonUI 模块。 4. AB 的管理基本分为 Editor 模式与仿真模式。 加密采用普通的 AB 包头随机写入乱序字节，读取直接采用 LoadFromFile ，然 后传入偏移。引用管理采用引用计数与C#自带的 WeakReference ，实现 AB 的精细化管理，使用者无需考虑资源的释放，直接 调用 GameObject.Destroy。AB 的颗粒度根据装备套数，场景拆为每一个元素为一个 AB ，方便做地图的动态加载，以及根据 UI 是否为同一模块，以及 Common类 UI 模块来拆分，达到内存极简化。AB 的卸载大概时间为60s，进行引用检测卸载30个 AB ，场景的切换会触发全量的引用检测，以及会坚定 IOS/Android 侧的 MemoryWarning 函数，也进行定期检测 5.关于热更，主要是进行 AB 生成时的 md 5列表，远端与本地进行比较（本地的 md 5列表会在初次从 streamingAssets 进行 释放），然后不同的进行更新，下载后的文件只能存放于 persistentDataPath ，资源是借助腾讯云的 COS ，再嵌套 CDN 进行存 放（节省成本），每一个热更版本，都是一个独立的版本，便于做版本的回滚 6. 产品对于大地图的寻路范围达到了1500*1500，普通的A*寻路无法满足需求，后采用更高效的 JPS 地图的核心编辑器为 TileMap ，核心点在于 RuleTile ，编写了大量的 Rule 规则，方便地编人员更方便制作地图。由于大地图大小为1500*1500，根 据规则进行地图的动态加载，加载的过程采用协程等技术避免客户端发生卡顿 8.性能分析部分，采用 unity 自带 profiler，PrefDog ，与 github 的两款插件 lua-snapshot/luaProfiler ，以及封测，二测采 用三方辅助分析 UWA 。分析出卡顿点，资源卸载的不合理情况，以及资源冗余等情况。以及后续 bugly 崩溃日志收集等。 9.近期工具类的代码已经完全使用 chatgpt 进行辅助编写，以及游戏开发过程使用 vscode 插件 copilot 进行代码辅助。