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。OnmyojiAutoScriptOAS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图像采集通过ADB或窗口后台截图获取游戏画面目标检测YOLO模型识别式神、界面元素和状态标识决策计算Agent类基于权重策略计算最优操作点动作执行Minitouch或窗口消息模拟真实触控操作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(defaultTime(minute20)) # 单次运行时长 hya_limit_count: int Field(default10) # 运行次数限制 hya_priorities: str Field(default) # 优先式神列表 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式神权重关键参数详解权重系统Weight SystemSP/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(default300) # 截屏间隔毫秒 conf_threshold: float Field(default0.6) # 置信度阈值 hya_show: bool Field(defaultFalse) # 调试显示开关配置误区避免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), dtypenp.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(canvasz, 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模块创建在tasks目录下新建任务模块配置定义继承ConfigBase类定义配置项资源管理使用Assets系统管理图片和点击位置任务实现实现script_task.py中的主要逻辑界面集成通过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(defaultTrue) task_limit_time: Time Field(defaultTime(minute30)) # 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Fork项目仓库并创建特性分支遵循项目代码规范PEP 8添加完整的单元测试提交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_infoTrue, # 输出详细信息 hya_save_resultTrue, # 保存每轮结果 continuous_learningFalse # 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合规使用了解游戏服务条款合理使用自动化工具风险控制避免长时间连续运行设置合理休息间隔更新维护定期拉取最新代码获取Bug修复和性能优化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设备类型识别延迟操作精度建议配置高端PC100-200ms95%全功能开启中端PC200-300ms90-95%关闭可视化低端PC300-500ms85-90%增加截屏间隔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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
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
发布时间：2026/6/13 13:08:09
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。OnmyojiAutoScriptOAS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图像采集通过ADB或窗口后台截图获取游戏画面目标检测YOLO模型识别式神、界面元素和状态标识决策计算Agent类基于权重策略计算最优操作点动作执行Minitouch或窗口消息模拟真实触控操作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(defaultTime(minute20)) # 单次运行时长 hya_limit_count: int Field(default10) # 运行次数限制 hya_priorities: str Field(default) # 优先式神列表 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式神权重关键参数详解权重系统Weight SystemSP/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(default300) # 截屏间隔毫秒 conf_threshold: float Field(default0.6) # 置信度阈值 hya_show: bool Field(defaultFalse) # 调试显示开关配置误区避免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), dtypenp.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(canvasz, 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模块创建在tasks目录下新建任务模块配置定义继承ConfigBase类定义配置项资源管理使用Assets系统管理图片和点击位置任务实现实现script_task.py中的主要逻辑界面集成通过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(defaultTrue) task_limit_time: Time Field(defaultTime(minute30)) # 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Fork项目仓库并创建特性分支遵循项目代码规范PEP 8添加完整的单元测试提交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_infoTrue, # 输出详细信息 hya_save_resultTrue, # 保存每轮结果 continuous_learningFalse # 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合规使用了解游戏服务条款合理使用自动化工具风险控制避免长时间连续运行设置合理休息间隔更新维护定期拉取最新代码获取Bug修复和性能优化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设备类型识别延迟操作精度建议配置高端PC100-200ms95%全功能开启中端PC200-300ms90-95%关闭可视化低端PC300-500ms85-90%增加截屏间隔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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
（支持资料、图片参考_相关定制）_可以扫码)
的演进与通信机制)
