当前位置：首页 > news >正文

Arknights-mower：如何用Python自动化你的明日方舟日常？

news 2026/5/7 12:34:57

Arknights-mower：如何用Python自动化你的明日方舟日常？

【免费下载链接】arknights-mower《明日方舟》长草助手项目地址: https://gitcode.com/gh_mirrors/ar/arknights-mower

你是否厌倦了每天重复的基建收菜、公开招募、线索收集？是否希望将宝贵的游戏时间投入到更有趣的关卡攻略和剧情体验中？Arknights-mower（明日方舟长草助手）正是为这类玩家设计的开源自动化解决方案。这款基于Python和ADB技术的工具，通过智能图像识别和精准操作模拟，能够自动处理游戏中的重复性任务，让玩家从繁琐的日常操作中解放出来。

项目架构解析：从底层控制到上层应用

设备控制层：ADB与模拟器交互

Arknights-mower的核心是设备控制模块，位于arknights_mower/utils/device/目录。该模块支持多种交互方式，包括标准的ADB连接、MaaTouch多点触控以及MuMu模拟器的专用IPC接口。

class Device: """Android设备控制类""" class Control: """设备控制实现""" def __init__(self, device, client=None, touch_device=None): self.device = device # 根据配置选择控制方式 if config.conf.mumu12IPC: self.mumu12IPC = MuMu12IPC(device) elif config.conf.touch_method == "maatouch": self.maatouch = MaaTouch(client) else: self.scrcpy = Scrcpy(client) def tap(self, point: tuple[int, int]) -> None: """模拟点击操作""" if self.mumu12IPC: self.mumu12IPC.tap(point[0], point[1]) elif self.maatouch: self.maatouch.tap([point], self.device.display_frames())

这种分层设计使得工具能够适配不同的运行环境，无论是物理Android设备还是各类模拟器。控制层通过统一的接口向上层提供点击、滑动、截图等基本操作，确保业务逻辑与具体设备实现解耦。

图像识别层：OpenCV与模板匹配

游戏自动化最大的挑战在于准确识别游戏界面状态。Arknights-mower使用OpenCV进行图像处理，结合模板匹配技术来识别不同的游戏场景。

class Recognizer: def get_scene(self): """识别当前游戏场景""" screenshot = self.device.screenshot() # 加载预定义的场景模板 scene_templates = self.load_templates() for scene_id, template in scene_templates.items(): result = cv2.matchTemplate(screenshot, template, cv2.TM_CCOEFF_NORMED) if np.max(result) > self.threshold: return scene_id return "UNKNOWN"

项目内置了丰富的图像模板资源，覆盖了从登录界面到基建管理、从商店购买到战斗结算的各个场景。这种基于模板匹配的方法虽然简单，但在游戏UI相对固定的情况下表现出色。

任务调度层：智能决策与状态管理

位于arknights_mower/solvers/base_schedule.py的任务调度器是整个系统的"大脑"。它负责协调各个功能模块，根据配置和当前游戏状态决定下一步操作。

class BaseSchedulerSolver: def run(self): """主运行循环""" while self.running: task = self.find_next_task() if task: self.execute_task(task) # 智能等待，避免频繁轮询 time.sleep(self.calculate_wait_time()) def find_next_task(self): """基于优先级和条件选择下一个任务""" for task in self.task_queue: if task.condition_met(): return task return None

调度器支持任务优先级、条件触发和时间调度等多种策略，确保自动化流程既高效又稳定。

核心功能模块详解

基建自动化：从静态排班到动态优化

基建管理是Arknights-mower的亮点功能。传统的基建管理需要手动安排干员工作，而mower通过智能算法实现了全自动的干员调度。

可视化排班编辑器，支持拖拽式干员分配和心情阈值设置

系统支持两种工作模式：

按心情换班：当干员心情低于设定阈值时自动换人休息
固定排班：按照预设的时间表执行换班操作

class InfrastructureManager: def auto_arrange(self): """自动安排基建干员""" for room in self.rooms: # 检查当前干员心情 current_mood = self.get_operator_mood(room.current_operator) if current_mood < self.mood_threshold: # 寻找替代干员 replacement = self.find_replacement(room) if replacement: self.switch_operator(room, replacement)

森空岛集成：数据同步与签到自动化

Arknights-mower集成了森空岛API，实现了游戏数据的自动同步和签到功能。通过模拟浏览器请求，工具能够：

自动完成每日签到
同步仓库资源数据
获取活动信息
处理好友线索

日常任务链：一键完成重复操作

日常任务模块将多个重复性操作串联成自动化流程：

任务类型	功能描述	执行频率
公开招募	自动刷新标签、选择干员、开始招募	每日多次
邮件处理	领取所有邮件、筛选重要物品	每日一次
线索收集	访问好友基建、收集线索	每小时
理智清理	使用理智药、刷指定关卡	根据理智恢复

大型任务支持：生息演算与隐秘战线

对于复杂的游戏模式，mower提供了专门的解决方案：

class ReclamationAlgorithmSolver: """生息演算自动化""" def run_algorithm(self): # 自动采集资源 self.collect_resources() # 建造和升级设施 self.build_facilities() # 应对事件和敌人 self.handle_events()

环境配置与部署实践

快速启动：三分钟上手指南

环境准备：确保系统已安装Python 3.12、NodeJS 16和Git

获取代码：

git clone https://gitcode.com/gh_mirrors/ar/arknights-mower.git cd arknights-mower

前端构建：
```
cd ui npm install npm run build cd ..
```

后端安装：

python -m venv venv source venv/bin/activate # Linux/Mac # 或 .\venv\Scripts\activate # Windows pip install -r requirements.txt

Docker容器化部署

对于Linux用户，Docker提供了更简洁的部署方式：

# 构建镜像 docker build -t mower . # 运行容器 docker run -d \ --name mower \ --network host \ -e TZ="Asia/Shanghai" \ --restart always \ --memory 2g \ mower

容器启动后，通过浏览器访问http://127.0.0.1:58000即可进入控制界面。

配置调优：从基础到高级

配置文件位于arknights_mower/utils/config/conf.py，采用Pydantic模型进行类型验证：

class CluePart(ConfModel): class CreditFightConf(ConfModel): direction: str = "Right" operator: str = "风笛" squad: int = 1 x: int = 5 y: int = 3 maa_credit_fight: bool = True credit_fight: CreditFightConf enable_party: int = 1

集中式配置界面，支持服务器选择、ADB路径设置、任务开关等全方位配置

关键配置项包括：

ADB连接设置：指定模拟器路径和端口
任务开关：按需启用/禁用特定功能
干员偏好：设置基建换班时的干员优先级
时间调度：配置任务的执行时间和频率

实战应用场景

场景一：上班族的自动化方案

对于工作日时间有限的玩家，可以配置以下自动化流程：

# 工作日自动化配置 weekday_schedule = { "07:00": ["collect_mail", "daily_sign"], "12:00": ["infrastructure_collect", "recruit_refresh"], "18:00": ["infrastructure_arrange", "credit_shop"], "21:00": ["clear_sanity", "clue_exchange"] }

这种配置确保在早、中、晚三个时间段自动处理关键任务，最大化资源收益。

场景二：周末深度管理

周末有更多时间时，可以启用更全面的自动化：

weekend_schedule = { "09:00": ["full_infrastructure", "reclamation_algorithm"], "14:00": ["secret_front", "weekly_mission"], "20:00": ["maa_integration", "data_sync"] }

场景三：活动期间的特殊处理

活动期间，工具可以自动识别活动界面并执行特定操作：

class EventHandler: def handle_event(self): if self.detect_event_ui(): if "签到活动" in self.current_event: self.auto_sign_event() elif "限时关卡" in self.current_event: self.farm_event_stages()

监控与调试：确保稳定运行

实时日志系统

Arknights-mower提供了详细的日志记录功能，帮助用户监控自动化流程：

实时任务执行日志，包含操作状态、执行时间和错误信息

日志系统记录的信息包括：

任务开始/结束时间
操作执行结果（成功/失败）
遇到的异常和错误
资源变化情况

数据统计与分析

工具内置的数据统计功能帮助玩家优化资源配置：

资源产出趋势分析，支持按日期、资源类型筛选

统计功能涵盖：

龙门币和赤金产出趋势
制造站生产效率
贸易站订单完成情况
干员工作效率分析

异常处理机制

系统内置了完善的异常处理逻辑：

try: task.execute() except GameCrashException: logger.error("游戏崩溃，尝试重启") self.restart_game() except NetworkException: logger.warning("网络异常，等待重试") time.sleep(60) self.retry_task() except RecognitionException: logger.info("识别失败，重新截图") self.retry_with_new_screenshot()

性能优化与最佳实践

识别准确率提升

模板优化：定期更新游戏UI截图模板
阈值调整：根据设备分辨率调整匹配阈值
多阶段验证：关键操作前进行二次确认

执行效率优化

并行处理：非依赖任务并行执行
缓存机制：减少重复的图像识别
智能等待：根据网络状况动态调整等待时间

资源管理策略

class ResourceManager: def optimize_resource_usage(self): # 内存优化 self.clear_unused_templates() # 磁盘空间管理 self.clean_old_logs() # 网络请求合并 self.batch_api_calls()

安全与合规性考虑

账号安全保护

本地存储：所有配置和密钥仅存储在本地
无远程控制：不提供远程控制功能，避免安全风险
操作模拟：仅模拟用户操作，不修改游戏数据

合规使用建议

合理频率：避免过于频繁的操作触发风控
人工监督：建议定期检查自动化结果
版本适配：游戏更新后及时更新工具

进阶开发与扩展

自定义插件开发

Arknights-mower支持插件机制，开发者可以扩展新功能：

class CustomPlugin: def __init__(self, mower): self.mower = mower def register_tasks(self): self.mower.register_task("custom_task", self.custom_task_handler) def custom_task_handler(self): # 实现自定义逻辑 pass