如何快速获取原神祈愿历史数据:genshin-wish-export 详细教程
想要完整记录和分析自己在《原神》中的祈愿历史吗?genshin-wish-export 是一款专门为原神玩家设计的祈愿记录导出工具,能够帮助您快速获取和保存所有的抽卡数据。😊 这款基于 Electron 开发的工具通过读取游戏日志或代理模式获取访问祈愿记录 API 所需的 authKey,让您轻松导出和管理自己的祈愿历史。
✨ 工具核心功能特色
genshin-wish-export 提供了多项实用功能:
- 自动数据获取:自动从游戏日志中提取祈愿数据
- 多账号支持:支持导出多个游戏账号的祈愿记录
- 数据持久化:所有数据保存在
userData文件夹中,新增记录会自动合并 - 多语言支持:内置多种语言界面,包括中文、英文、日文等
- Excel 导出:支持将数据导出为 Excel 格式进行深度分析
🚀 快速开始使用指南
第一步:下载并安装工具
从发布页面下载最新版本的 Genshin-Wish-Export.zip 压缩包,解压后即可直接运行,无需复杂安装过程。
第二步:打开游戏祈愿界面
启动原神游戏,进入祈愿历史记录页面,这是工具获取数据的关键步骤。
第三步:加载祈愿数据
运行 genshin-wish-export 工具,点击"加载数据"按钮,工具会自动读取游戏日志并获取祈愿记录。
第四步:查看和分析数据
工具成功获取数据后,您将看到完整的祈愿历史预览,包括所有抽卡记录和统计信息。
📊 高级使用技巧
多账号数据管理
如果需要管理多个游戏账号的数据,只需点击工具界面上的加号按钮,切换游戏账号后再次点击"加载数据"即可。
数据导出与分析
工具支持将数据导出为 Excel 格式,您可以使用第三方分析工具如 genshin-gacha-analyzer 进行更深入的数据分析。
数据恢复功能
如果不小心丢失了本地数据,可以通过 Excel 文件恢复。访问在线工具 https://genshin-gacha-export.danmu9.com,上传 Excel 文件并确保填写正确的 UID 和语言设置,即可重新生成 JSON 数据文件。
🌍 多语言支持
genshin-wish-export 支持多种语言界面,所有语言文件位于 src/i18n/ 目录下。如果您发现翻译不准确或希望添加新的语言支持,欢迎贡献翻译改进。
🔧 开发者信息
对于开发者用户,可以通过以下命令进行项目开发和构建:
# 安装依赖
yarn install
# 开发模式运行
yarn dev
# 构建可执行程序
yarn build
项目采用 Electron + Vue3 技术栈构建,源码结构清晰,便于二次开发和定制。
💡 使用注意事项
- 确保工具和游戏在同一台电脑上运行
- 每次查看祈愿记录前请先打开游戏的祈愿历史页面
- 定期备份
userData文件夹中的重要数据 - 如果遇到问题,可以尝试重新启动工具和游戏
genshin-wish-export 为原神玩家提供了简单高效的祈愿记录管理解决方案,让您不再错过任何一次重要的抽卡记录!🎮
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00


