FGO-py 自动化工具开发指南:从架构解析到实战部署
2026-04-18 09:37:13作者:段琳惟
一、功能模块架构解析
1.1 核心功能模块
FGO-py 采用模块化设计理念,主要功能模块包括设备控制层、任务调度层和图像识别层,各模块通过松耦合方式协同工作。设备控制层负责与安卓设备建立通信(基于 ADB 协议),任务调度层管理自动化流程的状态转换,图像识别层则通过模板匹配技术实现游戏界面元素的定位与解析。
图 1:FGO-py 运行时监控界面,展示任务调度与日志系统的实时状态
1.2 目录结构与模块依赖
FGO-py/
├── fgoImage/ # 图像资源库(模板图像、地图数据)
├── fgoWebUI/ # Web 管理界面(基于 Flask 实现)
├── deploy/ # 部署配置(Docker/云服务器适配)
└── 核心脚本集 # 功能实现代码(设备控制/任务逻辑)
模块依赖关系:
- 图像识别模块(fgoDetect.py)依赖 fgoImage 目录下的模板资源
- Web 服务(fgoWebServer.py)需调用任务调度模块(fgoSchedule.py)
- 设备连接模块(fgoDevice.py)为所有功能提供底层硬件访问能力
典型应用场景:自动战斗功能需依次调用设备控制模块(屏幕点击)、图像识别模块(战斗状态判断)和任务调度模块(流程控制)。
二、环境配置与参数调校
2.1 开发环境搭建
基础依赖安装:
# 克隆项目仓库
git clone https://gitcode.com/GitHub_Trending/fg/FGO-py
cd FGO-py
# 安装 Python 依赖
pip install -r requirements.txt
操作建议:推荐使用 Python 3.8+ 环境,依赖安装前可执行
pip freeze > requirements.lock生成版本锁定文件。
2.2 核心配置参数详解
配置文件路径:fgoConfig.py(支持运行时动态调整)
# fgoConfig.py 关键配置示例
class BattleConfig:
# 战斗超时设置(默认值:300秒)
# 调整建议:根据网络状况可缩短至180秒或延长至600秒
battle_timeout = 300
# 暴击星阈值(默认值:5)
# 安全最佳实践:避免设置为0,防止误判导致战斗失败
critical_threshold = 5
YAML 配置文件验证建议:使用 yamllint 工具进行格式校验,避免因缩进错误导致配置加载失败。
三、快速启动与实战操作
3.1 命令行模式启动
# fgoCli.py 核心启动代码
def main():
# 加载设备配置(必须先执行)
device = DeviceManager().connect() # 建立ADB连接
# 加载队伍配置(JSON格式)
team = TeamConfig.load("team_config.json")
# 启动主任务流程
scheduler = TaskScheduler(device, team)
scheduler.start() # 开始自动战斗循环
if __name__ == "__main__":
main()
启动命令:
python fgoCli.py --team=Kizuna --stage=1-7
3.2 图形界面操作
通过 fgoGui.py 启动可视化界面,主要功能区域包括:
- 任务队列管理(顶部状态栏)
- 实时战斗监控(中央视图区)
- 配置参数面板(右侧边栏)
图 2:多终端命令行操作界面,展示设备连接与任务执行过程
3.3 常见问题排查
设备连接失败:
- 检查 ADB 服务状态:
adb devices - 验证设备授权:开发者选项中开启"USB调试"
- 网络连接模式需选择"文件传输"而非"仅充电"
图像识别错误:
- 清理 fgoTemp/ 目录缓存文件
- 检查游戏分辨率是否为 1920×1080(推荐配置)
- 重新校准模板图像:
python fgoImageListener.py --calibrate
四、高级功能与扩展开发
4.1 地图导航系统
FGO-py 内置基于图像识别的地图导航模块,通过比对场景特征点实现自动路径规划。地图数据存储于 fgoImage/map/atlas/ 目录,包含不同章节的场景模板。
图 3:游戏内地图场景,展示区域节点与路径规划标记
4.2 自定义任务脚本
通过 fgoScript.txt 文件可编写自定义任务流程,支持条件判断与循环控制:
# 示例:每日任务执行脚本
loop 7: # 每周循环
execute "daily_login" # 执行登录任务
if AP > 100:
execute "farm_quest", quest_id=103 # 体力充足时执行 farming
wait 86400 # 等待24小时
五、部署与运维最佳实践
5.1 Docker 容器化部署
# deploy/Docker/docker-compose.yml 核心配置
version: '3'
services:
fgo-py:
build: .
devices:
- /dev/bus/usb:/dev/bus/usb # 映射USB设备
volumes:
- ./config:/app/config # 配置文件持久化
restart: unless-stopped # 异常退出自动重启
5.2 性能优化建议
- 降低图像识别频率:非战斗场景可设置为 2 秒/次
- 启用任务优先级队列:
config.set_priority("main", 10) - 定期清理日志文件:
fgoLog/目录保留最近7天记录
通过合理配置与模块组合,FGO-py 可实现从简单日常任务到复杂活动攻略的全流程自动化,为 Fate/Grand Order 玩家提供高效的游戏辅助解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0122- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
718
4.6 K
Ascend Extension for PyTorch
Python
593
740
deepin linux kernel
C
29
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
835
122
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
424
369
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
982
969
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.64 K
962
昇腾LLM分布式训练框架
Python
157
186
暂无简介
Dart
964
242
Oohos_react_native
React Native鸿蒙化仓库
C++
343
390


