AzurLaneAutoScript 新手入门指南:从安装到运行的全方位教程 🚢
一、项目核心功能速览
AzurLaneAutoScript 是一款专为碧蓝航线游戏设计的自动化辅助工具,支持中、英、日、台多服务器,能够帮助玩家实现无缝委托科研、全自动大世界探索等功能,解放双手,轻松游戏。
主要功能特点
- 战役自动推图:智能识别关卡,自动战斗通关
- 委托任务管理:自动接取和完成日常委托
- 科研系统支持:无缝进行舰船科研项目
- 大世界探索:全自动完成大世界任务和探索
- 多服务器适配:兼容中、英、日、台等多个游戏服务器
二、项目文件结构解析
2.1 整体目录架构
AzurLaneAutoScript/
├── assets/ # 游戏资源识别文件
├── campaign/ # 战役脚本库
├── config/ # 用户配置文件目录
├── deploy/ # 部署工具集
├── dev_tools/ # 开发者辅助工具
├── doc/ # 项目文档资料
├── module/ # 核心功能模块
├── submodule/ # 外部依赖模块
├── webapp/ # 网页控制界面
├── **alas.py** # 主程序启动文件
├── **gui.py** # 图形界面启动文件
└── requirements.txt # 依赖包列表
2.2 关键目录实用价值
- assets/:存放游戏图像识别模板,确保脚本准确识别游戏界面
- campaign/:包含各类战役关卡的自动化脚本,即开即用
- config/:用户可自定义的配置文件,调整脚本运行参数
- module/:核心功能实现代码,支撑脚本各项自动化能力
- deploy/:提供多平台部署方案,轻松在不同设备上运行
三、快速上手指南
3.1 环境准备
💡 小贴士:确保你的电脑已安装 Python 3.8 或更高版本以及 Git 工具
# 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/az/AzurLaneAutoScript
# 进入项目目录
cd AzurLaneAutoScript
# 安装依赖包
pip install -r requirements.txt
3.2 配置文件设置
-
复制配置文件模板:
# 从模板创建用户配置文件 cp config/template/*.yaml config/ -
编辑配置文件:
- 打开
config/config.yaml文件 - 设置游戏服务器地区(cn/en/jp/tw)
- 调整屏幕分辨率适配你的游戏窗口
- 打开
3.3 启动脚本
使用图形界面(推荐新手):
python gui.py
使用命令行界面:
python alas.py
💡 小贴士:首次启动建议使用图形界面,更容易进行初始设置和操作
四、核心文件功能详解
4.1 启动文件
4.1.1 alas.py - 命令行核心
这是项目的主启动文件,负责初始化程序并启动核心功能。通过命令行参数可以直接指定运行模式和功能模块,适合有一定经验的用户或服务器部署使用。
4.1.2 gui.py - 图形界面入口
提供直观的可视化操作界面,适合新手用户。通过点击按钮即可完成各种功能的配置和启动,无需记住复杂的命令参数。
4.2 配置文件
4.2.1 config.yaml
主配置文件,包含程序运行的全局设置,如服务器选择、界面分辨率、日志级别等基础参数。
4.2.2 campaign_config.yaml
战役相关配置,可设置自动战斗策略、队伍配置、关卡选择等战役相关参数。
五、新手常见问题
5.1 脚本无法识别游戏界面怎么办?
首先确保游戏窗口没有被遮挡,分辨率设置与配置文件一致。如果问题仍然存在,可以尝试更新 assets 目录下的资源文件,或在设置中调整图像识别灵敏度。
5.2 如何更新到最新版本?
在项目目录中执行以下命令即可更新:
git pull
pip install -r requirements.txt --upgrade
5.3 脚本支持模拟器吗?
支持主流安卓模拟器,如蓝叠、夜神等。需要在配置文件中正确设置模拟器的分辨率,并确保模拟器已开启 USB 调试模式。
六、高级功能探索
6.1 自定义战役脚本
通过修改 campaign 目录下的关卡脚本文件,可以实现个性化的战斗策略。每个关卡都有独立的脚本文件,如 a1.py、b2.py 等,对应不同的地图配置。
6.2 配置定时任务
在 config 目录下的 schedule.yaml 文件中,可以设置定时执行的任务,如定时收菜、定时开始科研等,实现全自动化游戏体验。
💡 小贴士:高级功能建议在熟悉基础操作后再进行尝试,修改配置文件前最好先备份原始文件
通过本指南,相信你已经对 AzurLaneAutoScript 项目有了基本了解。随着使用深入,你会发现更多实用功能,让碧蓝航线的游戏体验更加轻松愉快!
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