当前位置：首页 > news >正文

基于图像识别的鸣潮自动化工具：如何实现后台智能战斗与资源收集

news 2026/5/2 23:41:10

基于图像识别的鸣潮自动化工具：如何实现后台智能战斗与资源收集

【免费下载链接】ok-wuthering-waves鸣潮后台自动战斗自动刷声骸一键日常 Automation for Wuthering Waves项目地址: https://gitcode.com/GitHub_Trending/ok/ok-wuthering-waves

在《鸣潮》这款开放世界游戏中，重复性的日常任务和资源收集往往消耗大量时间。ok-wuthering-waves 是一款基于 Python 和图像识别技术的开源自动化工具，通过模拟用户界面操作实现后台智能战斗、自动刷声骸、一键日常等核心功能，为玩家提供高效的游戏体验优化方案。

技术架构解析：从图像识别到自动化操作

ok-wuthering-waves 的核心技术栈建立在 ok-script 框架之上，采用模块化设计实现高效的游戏自动化。项目架构主要包含三个关键层次：

图像识别层：基于 YOLOv8 深度学习模型，通过 OpenVINO 或 ONNX 运行时实现实时游戏画面分析
场景判断层：使用 WWScene 类进行游戏状态检测，准确识别战斗、探索、副本等不同场景
任务执行层：通过 BaseWWTask 和各类具体任务类实现自动化操作逻辑

图：自动化战斗系统实时识别角色技能冷却状态并执行最优技能组合

项目采用轻量级设计，核心代码仅约 3000 行 Python，通过src/globals.py中的 Globals 类管理全局状态和模型实例。YOLO 模型加载采用懒加载策略，根据配置文件动态选择 OpenVINO 或 ONNX 后端：

# src/globals.py 中的模型加载逻辑 if og.config.get("ocr").get("params").get("use_openvino"): from src.OpenVinoYolo8Detect import OpenVinoYolo8Detect self._yolo_model = OpenVinoYolo8Detect(weights=weights) else: from src.OnnxYolo8Detect import OnnxYolo8Detect self._yolo_model = OnnxYolo8Detect(weights=weights)

核心功能模块深度解析

智能战斗系统：如何实现全自动技能循环

战斗自动化是工具的核心功能之一，通过src/task/AutoCombatTask.py实现。该系统采用状态机设计，根据实时游戏画面动态调整战斗策略：

功能模块	实现原理	配置参数
技能释放	识别技能图标冷却状态	Use Liberation, Auto Target
目标选择	基于 YOLO 检测敌人位置	Check Levitator
角色切换	分析队伍成员状态	角色优先级配置
闪避机制	检测敌人攻击前摇	闪避灵敏度阈值

战斗系统的工作流程如下：

通过in_combat()方法检测是否进入战斗状态
使用get_current_char().perform()执行当前角色技能循环
根据配置决定是否使用解放技和大招
实时监控角色生命值，避免角色死亡

# 简化的战斗循环逻辑 while self.in_combat(): try: self.get_current_char().perform() except CharDeadException: self.log_error(f'Characters dead', notify=True) break

地图导航与资源收集系统

地图探索系统通过 SLAM 技术构建游戏世界模型，实现高效的资源收集路径规划。系统支持全分辨率适配（1600x900 到 4K），并能在游戏窗口最小化时后台运行。

图：自动化工具识别地图标记并规划最优收集路线

资源收集功能的主要特性：

全类型物品识别：宝箱、矿石、植物、任务道具
优先级收集机制：基于稀有度和距离的智能排序
探索度追踪：实时统计已探索区域比例
自适应范围调节：根据场景动态调整拾取范围

声骸管理系统：智能筛选与自动合成

声骸管理是角色培养的关键环节，工具通过图像识别技术分析声骸属性，实现智能筛选和自动合成：

# 声骸筛选配置示例 ECHO_FILTER_RULES = { "min_rarity": 4, # 最小稀有度 "priority_stats": ["暴击率", "攻击力", "元素伤害"], # 属性优先级 "auto_synthesize": True, # 自动合成低品质声骸 "lock_quality": 5 # 自动锁定5星声骸 }

图：声骸属性自动识别与智能筛选系统

环境配置与性能优化指南

系统要求与安装步骤

硬件要求：

Windows 10/11 64位系统
4GB 以上内存
支持 DirectX 11 的显卡
稳定的网络连接

软件环境：

Python 3.12（仅限源码运行）
游戏分辨率设置为 16:9 比例
关闭所有显卡滤镜和游戏叠加层

安装步骤：

# 克隆项目仓库 git clone https://gitcode.com/GitHub_Trending/ok/ok-wuthering-waves # 安装依赖包 pip install -r requirements.txt --upgrade # 运行正式版本 python main.py # 运行调试版本（显示识别框） python main_debug.py

性能优化技巧

分辨率适配：确保游戏分辨率与配置中的 SCREEN_RESOLUTION 一致
帧率稳定：将游戏帧率锁定在 60 FPS，避免波动影响识别精度
画质设置：使用中等画质，关闭抗锯齿和动态模糊
后台运行：启用后台模式时，建议将游戏静音以减少资源占用

常见问题排查

问题现象	可能原因	解决方案
识别不准确	分辨率不匹配	检查游戏和配置分辨率
运行卡顿	显卡滤镜干扰	关闭 NVIDIA Game Filter 等滤镜
功能不生效	游戏窗口未激活	确保游戏窗口在前台运行
频繁断线	网络不稳定	手动游戏5分钟后再启动工具

实战场景应用分析

日常任务自动化配置

对于时间有限的玩家，可以通过配置实现一键完成日常任务：

# config.py 中的日常任务配置 DAILY_TASK_CONFIG = { "enabled": True, "tasks": [ {"type": "commission", "priority": 1}, {"type": "activity", "count": 4}, {"type": "dungeon", "difficulty": "normal"} ], "auto_claim": True, "skip_cutscenes": True }

声骸 Farming 优化策略

高效刷取声骸需要合理的配置策略：

图：自动化工具在魔王城副本中执行技能循环

推荐配置：

设置体力限制：resin_limit = 160
目标词条筛选：target_affix = ["暴击率", "暴击伤害"]
启用自动重复：auto_repeat = True
使用快速战斗模式：quick_battle = True

多账号管理方案

对于拥有多个游戏账号的玩家，工具支持批量管理：

在配置文件中定义多个账号信息
为每个账号设置独立的任务序列
启用多账号模式，工具自动切换执行
建议设置10分钟以上的任务间隔，避免频繁切换

技术实现细节与扩展性

图像识别精度优化

项目采用多种技术提升识别准确性：

多尺度检测：针对不同分辨率动态调整检测参数
模板匹配：结合特征点匹配提高图标识别率
时序分析：利用连续帧信息减少误判
自适应阈值：根据画面亮度动态调整识别阈值

模块化扩展设计

项目采用插件式架构，方便开发者扩展新功能：

# 自定义任务模块示例 from src.task.BaseWWTask import BaseWWTask class CustomTask(BaseWWTask): def __init__(self): super().__init__() self.name = "自定义任务" self.description = "实现特定功能的自动化任务" def run(self): # 实现具体逻辑 pass