企业官网建设流程全解析

阴阳师自动化脚本技术实践：从AI识别到智能决策的完整解决方案

【免费下载链接】OnmyojiAutoScriptOnmyoji Auto Script | 阴阳师脚本项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript

在阴阳师这款经典手游中，玩家经常面临重复性操作带来的疲劳感——从百鬼夜行中手动撒豆收集碎片，到每日御魂副本的机械式刷取，再到繁琐的结界突破和寮任务。这些重复劳动不仅消耗时间，更消磨了游戏的乐趣。OnmyojiAutoScript（OAS）项目通过计算机视觉与智能决策算法，为玩家提供了一个高效、稳定且可定制的自动化解决方案。

项目价值：解放双手的智能助手

阴阳师作为一款运营多年的手游，其日常玩法已形成固定模式。OAS针对三大核心痛点提供解决方案：

重复性任务自动化：悬赏封印、金币妖怪、年兽等日常任务完全自动化执行，将玩家从机械操作中解放出来。

AI增强的智能识别：百鬼夜行模块采用YOLO目标检测模型，实时识别式神类型与位置，实现精准撒豆策略。

时间优化与资源管理：内置调度系统无缝衔接不同任务，最大化利用游戏时间，实现资源收益最大化。

相比手动操作，OAS的核心优势在于其算法驱动的决策能力。系统不仅识别屏幕内容，更能基于式神稀有度、位置分布和当前状态做出最优决策，让每一颗豆子都发挥最大价值。

图：OAS主界面展示，左侧导航栏清晰分类各项功能模块，中央区域提供组件预览和配置选项

技术架构：模块化设计的工程实践

OAS采用分层架构设计，确保各模块职责清晰且易于扩展：

技术栈概览： ├── 前端界面层（FluentUI） │ ├── 基于Qt/QML的现代化GUI │ ├── 响应式布局与主题切换 │ └── 实时状态监控面板 ├── 核心引擎层 │ ├── 图像识别模块（PPOCR-ONNX） │ ├── 决策算法模块（Agent系统） │ ├── 设备控制模块（ADB/Minitouch） │ └── 任务调度器（Scheduler） ├── 配置管理层 │ ├── Pydantic数据验证 │ ├── 热重载配置系统 │ └── 多账号配置管理 └── 任务实现层 ├── 百鬼夜行（Hyakkiyakou） ├── 御魂副本（Orochi/Souls） ├── 探索任务（Exploration） └── 30+其他游戏模块

关键模块协作流程：

1. 图像采集：通过ADB或窗口后台截图获取游戏画面
2. 目标检测：YOLO模型识别式神、界面元素和状态标识
3. 决策计算：Agent类基于权重策略计算最优操作点
4. 动作执行：Minitouch或窗口消息模拟真实触控操作
5. 状态反馈：持续监控执行结果并动态调整策略

项目的扩展性体现在其插件化任务系统。每个游戏功能作为独立模块实现，开发者可基于统一接口快速添加新功能，而无需修改核心框架。

图：按钮组件配置界面，展示多种按钮类型及其对应的代码实现，体现项目的模块化设计理念

配置实践：从零到一的关键参数

最小化可行配置

对于初次使用者，以下配置提供了最简化的启动方案：

# tasks/Hyakkiyakou/config.py 中的核心配置 class HyakkiyakouConfig(ConfigBase): hya_limit_time: Time = Field(default=Time(minute=20)) # 单次运行时长 hya_limit_count: int = Field(default=10) # 运行次数限制 hya_priorities: str = Field(default='') # 优先式神列表 hya_sp: float = Field(default=1.0) # SP式神权重 hya_ssr: float = Field(default=1.0) # SSR式神权重 hya_sr: float = Field(default=0.7) # SR式神权重 hya_r: float = Field(default=0.3) # R式神权重 hya_n: float = Field(default=0.0) # N式神权重

关键参数详解

权重系统（Weight System）：

• SP/SSR权重（1.0）：最高优先级，确保稀有式神获得足够豆子
• SR权重（0.7）：中等优先级，平衡碎片收集与资源消耗
• R权重（0.3）：较低优先级，仅在有剩余资源时考虑
• N权重（0.0）：通常忽略，除非需要特定N卡碎片

性能调优参数：

class DebugConfig(ConfigBase): hya_interval: float = Field(default=300) # 截屏间隔（毫秒） conf_threshold: float = Field(default=0.6) # 置信度阈值 hya_show: bool = Field(default=False) # 调试显示开关

配置误区避免：

1. 避免过度降低截屏间隔：低于200ms可能导致CPU占用过高，影响识别精度
2. 合理设置置信度阈值：0.5-0.7为推荐范围，过低会误识别，过高会漏识别
3. 权重分配需平衡：所有式神权重总和不宜过高，避免资源过度分散

决策算法核心

Agent类的gamma函数实现了基于高斯分布的权重计算：

def gamma(cls, tracks: list[tuple], weights: list[float], priorities: list[int]) -> np.ndarray: z = np.zeros((720, 1280), dtype=np.float32) for _id, _class, _conf, _cx, _cy, _w, _h, _v in tracks: weight = 1. mu = 0.8 + (_cx * 0.2) / 1280 # 位置加权 # 根据式神类别分配权重 match _class: case _ if CI.MIN_SP <= _class <= CI.MAX_SP: weight = 1.5 * weights[0] # SP式神额外加成 case _ if CI.MIN_SSR <= _class <= CI.MAX_SSR: weight = 1.5 * weights[1] # SSR式神额外加成 # ... 其他类别处理 z = embed_patch_in_canvas(canvas=z, patch=(mu * weight) * Agent.GAUSSIAN, position=(_cx, _cy)) return z

该算法为每个检测到的式神生成高斯热力图，权重越高、位置越中心的式神获得的热力值越大，最终选择热力值最高的目标进行攻击。

图：轮播图组件展示，体现项目对复杂UI组件的支持能力，可用于展示任务执行结果或配置选项

场景化应用：针对性优化策略

日常挂机场景

目标：稳定完成日常任务，资源消耗最小化配置要点：

• 时间限制：15-20分钟/次
• 权重设置：SR:0.7, R:0.3, N:0.0
• 性能优化：截屏间隔500ms，关闭调试显示预期效果：CPU占用低于30%，稳定运行4-6小时

稀有式神专项收集

目标：最大化SSR/SP式神碎片获取配置要点：

• 启用优先列表：指定目标式神ID
• 权重调整：SP/SSR:1.5，其他:0.2
• 识别优化：置信度阈值0.7，降低误识别预期效果：稀有式神命中率提升40-60%

低性能设备优化

目标：在资源受限环境下稳定运行配置要点：

hya_interval: float = 500 # 增加截屏间隔 conf_threshold: float = 0.5 # 降低识别精度要求 hya_show: bool = False # 关闭可视化调试 model_precision: ModelPrecision = 'INT8' # 使用量化模型

性能调优：

• 模拟器分辨率设置为1280x720
• 关闭游戏特效和声音
• 使用窗口后台截图替代ADB截图

多账号批量管理

目标：同时管理多个游戏账号配置要点：

• 配置文件分离：每个账号独立config目录
• 任务调度：错峰执行避免资源竞争
• 状态监控：实时日志分离与异常报警集成方案：通过外部脚本调用OAS API，实现账号轮换与状态同步

生态集成：扩展与协作

工具链集成

OAS设计时考虑了与现有工具链的兼容性：

开发工具集成：

• 代码编辑器：完整的类型提示和文档字符串
• 版本控制：Git友好的配置管理
• 持续集成：GitHub Actions自动化测试

游戏工具兼容：

• 模拟器支持：雷电、夜神、MuMu等主流安卓模拟器
• 设备连接：ADB/Win32 API双模式支持
• 分辨率适配：自动识别并适配不同设备分辨率

扩展开发指引

基于OAS框架开发新功能的标准化流程：

1. 模块创建：在tasks目录下新建任务模块
2. 配置定义：继承ConfigBase类定义配置项
3. 资源管理：使用Assets系统管理图片和点击位置
4. 任务实现：实现script_task.py中的主要逻辑
5. 界面集成：通过FluentUI组件暴露配置选项

# 新任务模块模板 from tasks.Component.config_base import ConfigBase, Time class NewTaskConfig(ConfigBase): task_enable: bool = Field(default=True) task_limit_time: Time = Field(default=Time(minute=30)) # 其他配置项... class NewTask: def __init__(self, config: NewTaskConfig): self.config = config def run(self): # 任务主逻辑 pass

社区资源与贡献

项目维护活跃的开发者社区，提供多种参与方式：

问题反馈与讨论：

• GitHub Issues：功能请求和Bug报告
• QQ技术群：实时技术交流与问题解答
• 文档贡献：完善使用手册和开发指南

代码贡献流程：

1. Fork项目仓库并创建特性分支
2. 遵循项目代码规范（PEP 8）
3. 添加完整的单元测试
4. 提交Pull Request并描述变更内容

学习资源：

• 开发文档：架构设计和API参考
• 示例代码：多个完整任务模块参考
• 视频教程：从安装到高级配置的完整指南

最佳实践与持续优化

配置版本管理

建议使用Git管理配置文件变更：

# 备份当前配置 cp -r config/ config_backup_$(date +%Y%m%d) # 使用分支管理不同场景配置 git checkout -b config_daily git add config/ git commit -m "日常挂机配置"

监控与日志分析

启用详细日志记录分析执行效果：

# 启用调试日志 debug_config = DebugConfig( hya_info=True, # 输出详细信息 hya_save_result=True, # 保存每轮结果 continuous_learning=False # 生产环境关闭 )

定期检查日志文件中的关键指标：

• 识别准确率：conf_threshold调整依据
• 操作成功率：点击和滑动执行效果
• 资源消耗：CPU/内存使用情况

安全使用建议

1. 合规使用：了解游戏服务条款，合理使用自动化工具
2. 风险控制：避免长时间连续运行，设置合理休息间隔
3. 更新维护：定期拉取最新代码，获取Bug修复和性能优化
4. 社区支持：遇到问题时优先查阅文档和社区讨论

性能基准测试

在不同硬件配置下的参考性能：

开始使用

获取项目代码并开始自动化之旅：

git clone https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript cd OnmyojiAutoScript pip install -r requirements.txt python gui.py

项目采用GPL v3.0开源协议，鼓励学习、修改和分发。无论你是想要解放双手的普通玩家，还是对游戏自动化技术感兴趣的开发者，OAS都提供了完整的技术栈和实践案例。从基础配置开始，逐步探索高级功能，你会发现自动化工具不仅能提升游戏效率，更能让你专注于享受游戏的核心乐趣。

记住，最适合的配置需要结合设备性能和个人需求不断调整。建议从默认配置开始，通过小范围测试逐步优化，最终形成符合自己游戏习惯的个性化方案。技术文档和社区讨论区提供了丰富的实践案例和问题解决方案，欢迎参与贡献，共同完善这个开源项目。

【免费下载链接】OnmyojiAutoScriptOnmyoji Auto Script | 阴阳师脚本项目地址: https://gitcode.com/gh_mirrors/on/OnmyojiAutoScript