AzurLaneAutoScript科研项目执行异常问题分析与解决方案
2025-05-30 07:57:54作者:何举烈Damon
问题现象
在AzurLaneAutoScript自动化脚本运行过程中,用户反馈在执行科研项目时出现了无限循环选择的问题。具体表现为脚本在科研界面不断尝试选择项目但无法成功执行,最终陷入死循环状态。
日志分析
从提供的日志中可以观察到以下关键信息:
- 脚本成功识别到5个科研项目:S4 H-387-MI、S4 H-207-RF、S4 B-682-MI、S5 B-622-MI和S5 H-387-MI
- 当前配置为:不使用魔方、仅使用5小时项目、始终使用部件
- 脚本尝试选择项目但最终提示"无法启动项目,停止填充队列"
- 队列状态显示:1个项目正在运行,其余4个为空闲状态
根本原因
经过深入分析,该问题主要由以下因素共同导致:
-
项目类型限制:当前可选的科研项目中包含B系列和H系列,但脚本配置中限制了只执行H系列项目(蓝图203系列)。
-
资源使用限制:配置中设置了"不使用魔方",而可选的H系列项目可能需要消耗魔方才能执行,导致脚本无法选择这些项目。
-
刷新机制缺失:当没有符合条件的项目时,脚本没有配置自动刷新科研项目的功能,导致陷入无限尝试的循环。
-
队列状态异常:虽然显示有1个项目正在运行,但实际可能已经完成或出现状态不一致的情况。
解决方案
针对上述问题,建议采取以下解决方案:
1. 调整科研项目过滤配置
在脚本配置中,适当放宽科研项目的选择条件:
- 如果希望执行B系列项目,应在过滤器中添加对应的系列
- 或者保留只执行H系列,但需要确保有足够的资源支持
2. 修改资源使用策略
根据实际资源储备情况调整配置:
- 如果魔方储备充足,可以允许使用魔方
- 或者设置更灵活的资源使用策略,如"仅限短时间项目使用魔方"
3. 启用科研项目刷新功能
在配置中开启科研项目刷新选项:
- 设置合理的刷新次数限制
- 配置刷新间隔时间,避免过于频繁
4. 检查队列状态同步
确保脚本能正确识别队列状态:
- 检查是否有项目实际已完成但未被正确识别
- 必要时可以手动重置科研队列状态
实施建议
- 首先检查当前科研项目的实际状态,确认是否有已完成但未领取的项目
- 根据实际需求调整脚本的科研项目过滤条件
- 评估资源使用策略,确保与当前资源储备匹配
- 测试脚本运行,观察是否能够正常选择和执行科研项目
- 如仍有问题,可考虑临时禁用科研模块,待手动处理后再启用
总结
科研模块的自动化执行依赖于准确的配置和资源管理。通过合理调整过滤条件、资源使用策略和刷新机制,可以有效避免此类循环选择的问题。建议用户在配置时充分考虑当前游戏内的实际情况,定期检查脚本运行状态,确保自动化流程的顺畅执行。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219