企业官网建设流程全解析

MaaAssistantArknights 上手指南：从图像识别到一键长草的 4 步拆解

【免费下载链接】MaaAssistantArknights《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients.项目地址: https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights

每天上线，清体力、刷材料、巡访好友、领邮件，这套流程重复上百次，手比脑子先累。MaaAssistantArknights（下称 MAA）就是为这类「明日方舟游戏自动化」需求写的：你只管点一次开始，剩下的截屏、判断、点击由它循环完成。

它解决什么问题

• 日常一键化：理智作战、访问好友、收取信用、领奖励打包成一次操作，跑完即可下线
• 公招全自动：自动公招可选加急许可，刷完后把数据同步到统计网站
• 基建排班：自动计算干员效率并安排换班，也支持自定义排班
• 肉鸽 / 保全派驻：选一个作业 JSON，它按作业自动抄
• 无界面也能跑：maa-cli 支持 Windows、Linux、macOS，适合挂脚本或无桌面的服务器

工作原理：一条数据链路

把 MAA 的运行过程拉直，就是四步循环，每一步的输入输出都很清楚。

1. 截屏

• 输入：目标窗口（游戏本体、MuMu/Play 模拟器、Android 设备）
• 输出：一帧屏幕图像（OpenCV 的cv::Mat）
• 负责模块：src/MaaCore/Controller/。AdbController走 ADB 抓安卓帧，Win32Controller抓 Windows 窗口，macOS 用MacSCKHelper调 ScreenCaptureKit，MumuController、PlayToolsController走各家模拟器接口

2. 识别

• 输入：这一帧图像 + JSON 资源里声明的模板、识别区域
• 输出：「当前在哪个界面」「按钮在 (x, y)」这类结构化结果
• 负责模块：src/MaaCore/Vision/。Matcher做模板匹配定位图标，OCRer/RegionOCRer做文字识别（底层由 ONNX Runtime 跑 OCR 模型，OnnxHelper负责会话管理），FeatureMatcher处理复杂场景的特征点匹配，MultiMatcher一次比对多张模板

3. 决策

• 输入：上一步的结构化结果 + 任务配置
• 输出：下一步动作序列，例如「点 (412, 233)，等 1 秒」
• 负责模块：src/MaaCore/Task/。ProcessTask、InterfaceTask、PackageTask把游戏操作拆成可组合的任务单元，各任务通过AbstractTask的插件机制挂上具体逻辑；识别配置由 src/MaaCore/Config/ 的ResourceLoader从 JSON 资源读取，行为改配置就行，不用改代码

4. 执行

• 输入：动作序列
• 输出：真实的点击、滑动、按键事件，游戏状态变化后回到第 1 步
• 负责模块：仍在 Controller 层。MinitouchController模拟触控事件，SwipeHelper处理滑动轨迹，ControlScaleProxy在控制器分辨率和真实窗口之间换算坐标

模块地图

从零跑起来

环境依赖

• CMake ≥ 3.28，构建配置集中在 CMakePresets.json
• C++20 编译器：Windows 用 Visual Studio，Linux/macOS 用 Ninja
• OpenCV 4.x、ONNX Runtime、zlib、Boost——不想自己装的话，用仓库自带的依赖工具tools/maadeps-download.py（各平台 preset 里的MAADEPS_TRIPLET变量就是给它用的）

编译 MaaCore

1. 配置：cmake --preset linux-x64（按系统换成windows-x64、macos-arm64等）
2. 构建：cmake --build --preset linux-x64-Release

跑起来（推荐 CLI，路径最短）

maa install # 安装 MaaCore 与资源 maa init # 交互式初始化配置 maa list # 查看可用任务

最小自动化示例：开官服客户端、用 3 瓶理智药刷 BB-7、收工——

maa startup Official && maa fight BB-7 -m 3 && maa closedown

资源（resource/下的任务 JSON 和模板）独立于二进制分发，游戏更新后跑maa update即可，不必重新编译。

和同类方案怎么选

判断依据都在仓库里可查：MAA 的 CMake 里没有任何注入类依赖，识别行为全部由 JSON 资源驱动（见 Config 模块），更新适配走的是资源更新而不是改代码。

容易踩的坑

1. 游戏更新后别急着怀疑代码。模板、OCR 区域这些都在独立资源里，先maa update拉新资源；真不行再去看日志。日志默认Warn级别，排障时设MAA_LOG=debug再跑一次。
2. 外服玩家注意功能完整度。美服、日服、韩服、繁中服大部分功能已支持，但文档明说「很多功能并没有进行全面的测试」，关键功能先手动验证。
3. 自动化边界要自己把握。MAA 不修改客户端、不读内存，这一点从架构上可验证；但高频自动化对账号的长期影响属于使用方式问题，参考仓库自带的 terms-of-service.md，按自己的风险承受度控制频率。

MAA 适合两类人：想把手头《明日方舟》日常彻底外包的玩家，以及想拿 C++20 写一个「截屏→识别→决策→执行」完整闭环做参考的开发者。核心引擎约万行级规模，模块边界清晰，clone 下来（https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights）从 Task 模块读起最省力。

【免费下载链接】MaaAssistantArknights《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients.项目地址: https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights