【免费下载】 雀魂自动化AI SDK使用教程
2026-01-23 05:15:44作者:史锋燃Gardner
1. 项目介绍
majsoul_wrapper 是一个用于自动化雀魂(Mahjong Soul)游戏的SDK。该项目通过WebSocket抓包技术实时解析雀魂对局信息,并模拟鼠标动作进行出牌操作。majsoul_wrapper 提供了一个完整的输入输出接口,供第三方AI调用,以实现自动化在《雀魂》中打麻将。
主要功能
- 实时解析对局信息:通过WebSocket抓包技术,实时获取对局中的各种信息。
- 模拟鼠标动作:通过图像识别技术,模拟鼠标操作进行出牌、立直等动作。
- SDK接口:提供了一系列回调函数,方便开发者实现自己的AI逻辑。
2. 项目快速启动
2.1 环境准备
首先,确保你已经安装了Python 3.x,并安装以下依赖库:
pip install mitmproxy selenium protobuf pyautogui opencv-python
2.2 下载项目
使用Git克隆项目到本地:
git clone https://github.com/747929791/majsoul_wrapper.git
cd majsoul_wrapper
2.3 启动mitmproxy
在项目目录中,启动mitmproxy控制台进程:
mitmdump -s addons.py
2.4 启动Chrome浏览器
确保你已经安装了Chrome浏览器,并配置了ChromeDriver。启动Chrome浏览器并绑定到mitmproxy的代理服务器端口:
python3 -m majsoul_wrapper
2.5 运行示例AI
项目提供了一个示例AI,你可以直接运行它来观察自动化打麻将的效果:
python3 MajsoulAI.py
3. 应用案例和最佳实践
3.1 自定义AI逻辑
你可以通过继承MajsoulHandler类,并重载其中的回调函数来实现自己的AI逻辑。例如,你可以重载actionDiscardTile函数来自定义出牌策略。
from majsoul_wrapper import MajsoulHandler
class MyAI(MajsoulHandler):
def actionDiscardTile(self, tile):
# 自定义出牌逻辑
print(f"AI 出牌: {tile}")
super().actionDiscardTile(tile)
3.2 图像识别与动作模拟
项目使用了pyautogui和OpenCV进行图像识别和鼠标动作模拟。你可以通过调用GUIInterface中的函数来执行各种操作,如立直、和牌等。
from majsoul_wrapper import GUIInterface
gui = GUIInterface()
gui.calibrateMenu() # 校准界面位置
gui.actionBeginGame() # 开始一场段位场匹配
4. 典型生态项目
4.1 雀魂AI比赛
majsoul_wrapper 可以用于组织雀魂AI比赛,参赛者可以通过实现自己的AI逻辑来参与比赛,并通过SDK提供的接口进行对局。
4.2 麻将研究
该项目还可以用于麻将研究,通过实时解析对局数据,研究人员可以分析不同策略的效果,优化AI的出牌逻辑。
4.3 自动化测试
在开发过程中,majsoul_wrapper 可以用于自动化测试,通过模拟用户操作,测试游戏的各种功能和逻辑。
通过以上步骤,你可以快速上手并使用 majsoul_wrapper 实现自动化雀魂游戏。希望这个教程对你有所帮助!
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220