genshin-wish-export:原神祈愿记录分析工具完全指南
genshin-wish-export是一款基于Electron开发的原神祈愿记录导出工具,通过读取游戏日志或代理模式获取authKey,帮助玩家将原始抽卡数据转化为可视化报告与可导出表格。无论是希望科学规划原石使用的普通玩家,还是追求数据精确分析的进阶用户,都能通过本工具实现抽卡记录的系统化管理与深度挖掘。
解锁数据价值:从原始日志到可视化报告
核心功能解析
工具提供三大核心能力,构建完整的抽卡数据分析闭环:
多维度数据统计
自动对角色活动祈愿、常驻祈愿、新手祈愿三类卡池进行量化分析,提供总抽数、五星/四星出货率、平均出货间隔等关键指标,帮助玩家建立对自身抽卡行为的客观认知。
专业可视化呈现
通过饼图直观展示不同稀有度物品的分布比例,配合时间轴记录与历史出货列表,让抽象数据转化为清晰可辨的视觉信息。

图1:genshin-wish-export主界面展示,包含三类祈愿的饼图分布与关键统计数据
标准化数据导出
支持导出符合UIGF标准的JSON格式文件与Excel表格,既保证了数据的兼容性与可迁移性,也为高级用户提供了进一步分析的基础。
三阶掌握法:从安装到数据分析
第一阶段:环境部署与基础配置
-
获取项目代码
git clone https://gitcode.com/GitHub_Trending/ge/genshin-wish-export cd genshin-wish-export -
安装依赖包
npm install -
启动应用程序
npm start
完成此阶段后,你将获得一个可运行的工具实例,准备进行数据获取。
第二阶段:数据获取与初步分析
-
选择数据来源
- 自动模式:工具将尝试定位游戏日志文件(通常位于游戏安装目录下的Logs文件夹)
- 手动模式:通过"设置"按钮指定日志文件路径或输入authKey
-
执行数据更新
点击主界面"更新数据"按钮,工具将解析日志内容并生成初步统计结果。首次运行可能需要3-5秒处理时间,具体取决于抽卡记录数量。 -
浏览基础统计
查看三类祈愿卡池的总抽数、五星/四星出货率等核心指标,通过饼图快速把握抽卡分布特征。

图2:英文界面展示,工具支持多语言切换以适应不同地区用户需求
第三阶段:高级应用与数据导出
-
生成详细报告
点击"导出Excel"按钮,选择存储路径后将生成包含完整抽卡记录的表格文件,包含时间、物品名称、稀有度等详细信息。 -
数据备份与迁移
通过"设置"中的"导出UIGF数据"功能,将抽卡记录保存为标准化JSON文件,便于在不同工具间共享或长期存档。 -
定期数据更新
建议在每次重要抽卡活动后执行数据更新,保持记录的完整性与分析的时效性。
常见场景解决方案
场景一:规划新角色抽取策略
问题:想知道为新角色需要准备多少原石
解决方案:通过工具查看历史五星平均出货次数(通常为66-80抽),结合当前保底计数,计算所需原石数量:
示例:当前已70抽未出五星,按平均66抽出货计算,需准备(66-70+90)×160=13760原石
场景二:验证概率真实性
问题:感觉近期抽卡运气异常,想验证实际概率
解决方案:查看"角色活动祈愿"中的五星出货率(标准概率为1.6%),对比工具统计的实际值,判断是否存在显著偏差。
场景三:多账号数据管理
问题:拥有多个游戏账号,需要分别管理抽卡记录
解决方案:通过工具的"+"按钮创建新的数据配置文件,为不同账号建立独立的抽卡数据库,实现数据隔离与分别分析。
数据安全保障
genshin-wish-export采用本地处理模式,所有抽卡数据均存储在用户设备上,不会上传至任何服务器。工具仅读取游戏日志文件中的抽卡记录相关信息,不会修改游戏文件或影响游戏运行。数据导出功能采用加密存储格式,确保本地文件安全。
总结
genshin-wish-export为原神玩家提供了从数据获取、分析到导出的完整解决方案。通过本工具,玩家能够将零散的抽卡体验转化为结构化数据资产,实现抽卡行为的量化管理。无论是普通玩家的原石规划需求,还是数据爱好者的深度分析探索,这款工具都能提供专业级的支持,帮助你在提瓦特大陆的冒险中做出更明智的资源决策。
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 StartedRust084- 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
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
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00