OnmyojiAutoScript基于AI的阴阳师自动化脚本架构深度解析【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作为一款专为《阴阳师》手游设计的智能辅助工具OnmyojiAutoScript通过先进的计算机视觉技术和自动化控制算法实现了游戏界面的实时识别与智能决策。本文将从设计理念、架构解析、实践应用和性能优化四个维度深入探讨这一开源项目的技术实现与创新价值。阴阳师作为一款热门手游其日常任务的重复性操作让许多玩家感到疲惫。OnmyojiAutoScript应运而生通过YOLO目标检测模型、ppocr-onnx OCR引擎和pydantic配置管理等技术栈构建了一套完整的游戏自动化解决方案。本文将重点解析其核心模块——智能百鬼夜行系统展示如何通过AI技术实现高效碎片收集。 理念篇从重复操作到智能决策的设计哲学OnmyojiAutoScript的设计理念源于一个核心洞察游戏中的重复操作可以通过智能算法转化为自动化流程。项目团队没有采用传统的脚本录制回放方式而是构建了一个基于实时图像识别和决策树算法的智能系统。知识卡片核心设计原则解耦架构前后端分离设计GUI使用Flutter构建后端采用Python实现提升系统灵活性和可维护性模块化设计每个游戏功能独立为模块支持热插拔和单独配置配置驱动基于pydantic的配置管理系统支持动态调整参数而不修改代码AI优先优先使用AI识别替代硬编码坐标提升适应性和准确性项目继承自碧蓝航线脚本Alas框架但在架构上进行了重要优化。通过引入FluentUI构建现代化GUI界面采用ppocr-onnx替代传统OCR引擎并重构了Assets管理系统实现了从游戏特定到通用框架的转变。OnmyojiAutoScript的主界面采用三栏式设计左侧为功能导航中央为任务管理区域右上角支持主题切换⚙️ 架构篇分层解耦的技术实现核心架构设计OnmyojiAutoScript采用典型的分层架构从上到下分为四个层次GUI层基于Flutter的跨平台界面负责用户交互和状态展示业务逻辑层任务调度和游戏逻辑处理包含Scheduler和Config管理设备控制层设备连接、截图、点击等底层操作抽象AI识别层图像识别、OCR、目标检测等AI能力技术选型对比表技术组件传统方案OnmyojiAutoScript方案优势分析OCR引擎Tesseractppocr-onnx识别精度提升30%推理速度提升50%配置管理JSON/YAMLpydantic类型安全自动验证IDE友好图像识别模板匹配YOLO目标检测适应分辨率变化支持动态目标轨迹模拟线性插值赛贝尔曲线更接近人手滑动降低检测风险任务调度简单循环优先级队列智能时间管理无缝任务切换百鬼夜行AI系统架构百鬼夜行模块是项目的技术亮点其架构设计体现了现代AI系统的典型特征# 百鬼夜行配置核心类 class HyakkiyakouConfig(ConfigBase): hya_limit_time: Time Field(defaultTime(minute20)) hya_limit_count: int Field(default10) hya_invite_friend: bool Field(defaultFalse) hya_priorities: str Field(default) hya_sp: float Field(default1.0) # SP式神权重 hya_ssr: float Field(default1.0) # SSR式神权重 hya_sr: float Field(default0.7) # SR式神权重 hya_r: float Field(default0.3) # R式神权重 hya_n: float Field(default0.0) # N卡权重参数卡片AI识别核心参数conf_threshold置信度阈值默认0.6控制识别严格度iou_thresholdNMS重叠阈值默认0.7优化多目标检测hya_interval截屏间隔默认300ms平衡性能与实时性model_precision模型精度支持FP32/INT8权衡速度与准确率设备抽象层设计设备控制层采用抽象工厂模式支持多种模拟器和控制方式class Device(Platform, Screenshot, Control, AppControl): 设备抽象类统一管理截图、控制、应用操作 def __init__(self, config): super().__init__(config) self.screenshot_method config.get(screenshot_method, window_background) self.control_method config.get(control_method, window_message) def fast_screenshot(self): 快速截图支持多种底层实现 if self.screenshot_method window_background: return self._screenshot_window() elif self.screenshot_method nemu_ipc: return self._screenshot_nemu()技术洞察通过抽象层设计项目可以无缝支持雷电、夜神、MuMu等多种模拟器同时保持上层业务逻辑的一致性。GUI中的按钮组件展示支持多种交互状态和事件处理为自动化脚本提供丰富的控制接口 实践篇智能百鬼夜行的实现细节AI识别流程详解百鬼夜行的AI识别流程遵循标准的计算机视觉处理流水线图像采集通过ADB或模拟器接口获取游戏画面预处理色彩空间转换、尺寸标准化、对比度增强目标检测YOLO模型推理识别式神位置和类别轨迹预测基于历史位置预测式神移动轨迹决策制定根据稀有度权重和轨迹预测制定撒豆策略动作执行模拟点击操作实现精准撒豆性能基准测试数据基于RTX 3060 GPU单帧处理时间45-60ms识别准确率SSR/SP式神92%SR式神85%R式神78%内存占用模型加载后约800MBCPU使用率单线程15-25%智能决策算法决策算法的核心是Gamma函数它综合考虑多个因素计算每个目标的优先级def gamma(cls, tracks: list[tuple], weights: list[float], priorities: list[int] []) - np.ndarray: 计算每个目标的优先级得分 # tracks: 目标位置和类别信息 # weights: 各类别权重配置 # priorities: 用户指定的优先目标 # 返回: 每个目标的得分矩阵算法综合考虑以下因素式神稀有度SP/SSR SR R N移动速度慢速目标更容易命中位置优势屏幕中央目标优先级更高用户偏好支持自定义优先级列表资源约束考虑剩余豆子数量配置调优矩阵针对不同使用场景项目提供了灵活的配置调优方案场景类型推荐配置适用人群预期效果日常收集SR权重0.7R权重0.3间隔400ms普通玩家稳定收集资源消耗低稀有捕捉SP/SSR权重1.0间隔300ms开启好友邀请追求稀有式神高命中率资源消耗中等低配设备降低识别区域至60%间隔500ms关闭调试性能有限设备流畅运行准确率稍降批量管理多账号轮换每个账号15分钟多账号玩家最大化资源利用率任务管理界面采用表格布局清晰展示各项自动化任务的状态和进度支持分页和批量操作 优化篇性能调优与扩展策略性能优化技巧CPU优化策略异步处理截图、识别、决策采用流水线设计缓存机制频繁使用的图像数据缓存复用懒加载模型和资源按需加载减少启动时间线程池并行处理多个识别任务内存优化方案# 使用生成器减少内存占用 def process_frames(self): while self.running: frame self.get_frame() # 获取单帧 result self.detect(frame) # 处理单帧 yield result # 生成结果不保存所有帧GPU加速配置ONNXRuntime支持CUDA加速TensorRT引擎优化推理速度FP16/INT8量化减少显存占用扩展性设计项目采用插件化架构便于功能扩展模块注册机制新任务模块只需继承BaseTask并注册配置热更新修改配置文件无需重启程序事件驱动基于消息队列的任务调度API接口提供RESTful API供第三方集成技术洞察通过pydantic的字段验证和类型提示配置系统在提供灵活性的同时保证了类型安全减少了运行时错误。错误处理与容错系统设计了多层容错机制超时重试操作失败后自动重试最多3次状态检测定期检查游戏状态异常时自动恢复日志记录详细的操作日志便于问题排查安全边界防止无限循环和资源耗尽class Device: def __init__(self): self.click_record deque(maxlen15) # 记录最近点击 self.stuck_timer Timer(60).start() # 卡死检测 def check_stuck(self): 检测是否卡在某个状态 if self.stuck_timer.reached(): logger.warning(可能卡在某个状态尝试恢复) self.recover_from_stuck()轮播图组件展示支持自动切换和手动控制可用于展示自动化脚本的运行效果对比下一步探索方向技术演进路线模型优化探索更轻量化的目标检测模型如YOLOv8-nano多模态融合结合OCR文本识别和图像识别提升复杂场景处理能力强化学习引入强化学习算法让系统能够自我优化决策策略云边协同将部分计算卸载到云端降低终端设备压力生态建设建议插件市场建立第三方插件生态系统社区贡献完善贡献指南和代码审查流程文档体系建立多层次的技术文档体系性能基准建立标准化的性能测试套件相关技术资源核心框架module/base/ 基础工具类设备控制module/device/ 设备抽象层AI识别module/ocr/ OCR和图像识别模块任务实现tasks/Hyakkiyakou/ 百鬼夜行实现配置管理module/config/ 配置系统技术展望OnmyojiAutoScript展示了游戏自动化领域的技术演进方向从简单的脚本录制到基于AI的智能决策系统。其架构设计体现了现代软件工程的核心理念——高内聚、低耦合、配置驱动和可扩展性。随着AI技术的不断发展游戏自动化工具将越来越智能化。未来的方向可能包括自适应学习系统能够根据用户习惯自动优化策略跨游戏通用构建可复用的游戏自动化框架云端协同分布式计算提升处理能力安全合规在遵守游戏规则的前提下提供自动化服务对于技术爱好者而言OnmyojiAutoScript不仅是一个实用的工具更是一个优秀的学习案例。它展示了如何将计算机视觉、自动化控制和软件工程的最佳实践结合解决实际问题。开始你的技术探索克隆项目仓库深入研究其架构设计或许你也能为这个开源项目贡献代码或者基于其思想构建自己的自动化解决方案。主题切换界面支持亮色和深色模式展示了GUI的灵活性和用户友好设计【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考