新闻

Paradox 说,在“低估”了对《城市:天际线 2》性能不佳的反应之后,玩家现在不太“接受”游戏将被修复

Paradox Interactive 在今年 8 月无限期推迟了监狱管理模拟器 Prison Architect 2,当时评论说该游戏存在明显的性能问题,并且其系统主导的设计被证明很难修补。这是在十字军之王出版商与续集的原始开发商 Double Eleven 洗手几个月后。上周在 Paradox 的媒体日上与我交谈时,副首席执行官 Mattias Lilja 对这一决定提供了更多见解,他表示,顽

诺兰的孩子们现在可以向他们的长辈——小白痴——学习养猪

诺兰的奇幻中世纪主义的一个巧妙之处是,专业知识与角色联系在一起。因此,如果你的村子里只有一个人知道如何酿造更美味的啤酒,而他们在被路过的狼怪异地野蛮地对待后死去(这种情况发生了),那么突然间你的村庄将没有手工啤酒大师了。结果可能是毁灭性的。幸运的是,您可以通过多种方式分享知识 - 通过抄写书籍,或进行“明智的对话”。儿童角色是个例外,他们只有豌豆大小的大脑无法学习专业知识,只能从你分配给他们的老师

如果我们整整一年的时间,每款游戏都像 Clickolding 一样短小、便宜且令人痛苦,那就太好了,谢谢

当Clickolding——一个模糊的Inscryption-ysub-hour 恐惧水滴——打开时,你正坐在一张床上,对面是一个戴着面具的男人,看起来像是有人在雕刻复活节岛的乔·骆驼雕像时中途放弃了,在上面插了一双粘糊糊的眼睛,然后在角落里为他们创造的东西哭泣。你手里拿着一个答题器计数器。驼鹿脸盯着。这些眼睛传达了什么?耐心?意图?渴望?如果不出意外的话,他们

Goat Simulator Remastered 看起来就像我记忆中的 Goat Simulator 一样

Coffee Stain Publishing 已经全面发布了 Goat Simulator Remastered,这是对 2014 年开放世界的布娃娃牲畜沙盒的翻新版,包括原版的所有 DLC。我在 8 月份的Gamescom上玩了一点这个游戏,虽然下面的预告片证明重制版确实看起来更新、更闪亮,但那一刻我无法从我的记忆库中摆脱这个想法,这就是Goat Sim&n

凯拉·米尔斯即将离开RPS,来庆祝她在RPS的时光,并与她告别。

如果你没有在下午偷偷计划着最终转行到一个被动物包围的职业,那么我很抱歉,但你并不受欢迎在RPS树屋。今天,Kiera正在她的计划中迈出决定性的一步:她将离开RPS,开始新的人生游戏,一个将动物滑块全部调到最大值的人生。请加入我们在下面向她告别。

Risk Of Rain 2 创作者“仍然相信 Gearbox 正朝着正确的方向前进”,尽管最近的 DLC 遇到了麻烦

Risk of Rain 2: Seekers of the Storm 于上周二发布,在合作roguelite 的粉丝中表现不佳。你问怎么不好?说得碎一点,我说 - 它目前在Steam上的评分为 79%的“大部分负面”评分。主要的抱怨包括......呃,一切,看起来都像。据报道,该 DLC 错误百出,以至于它已经使基础游戏的许多核心系统随之垮台。Gearbox

Terra Memoria 是一款欢快的派对角色扮演游戏,带有一丝 Grandia 的味道

如果我走在粒子加速器前,被转换为数字数据并立即被 isekai-ed 变成一个游戏世界,我希望 gameworld 是 1997 年在 PS1 上发布(并于 2019 年移植到 PC)的原始Grandia的开放港口城镇。该游戏的等距优势以及 2D 像素角色和 3D 环境的精确组合是有一定道理的。最后一句话描述了 90 年代后期的许多虚拟世界,但没有一个像帕姆港那样留在我的脑

Grit And Valor 1949 是一款实时的更受欢迎的游戏

Grit And Valor 1949无疑让人想起了Into The Breach的战术,其踩踏的机械和浮动的瓷砖战场。但是,尽管有各种外观,但这个实际上根本不是回合制的。那么,这是一个小小的实时策略吗?是的,而且这件事实际上非常疯狂。任务是活泼、激烈的小规模冲突。你将抵抗海浪,同时试图保护你无用的、自由装载的指挥车。这种威胁,再加上即时的战术考虑,如利用掩护和

Activision 将 使命召唤 的 Caldera 地图恢复为开源(耶!),但表示这是为了帮助训练 AI (booo)

顽固的保皇党人会记得火山口,这是《使命召唤:战区》中沙岛的掩体和棕榈树地图。去年,由于动视将精力集中在其他地方,它被取消了,使地图无法播放。但您现在可以重新访问那些布满子弹的海滩。无论如何,从理论上讲。Activision 已将其作为 4GB 开源项目发布,可以在 3D 模型查看工具中进行探索。很酷。但是,在他们这样做的原因中,有一个可以预见的肮脏逻辑:他们希望人们使用数据来训练人工智能。“像Ca