FGO-py实战指南:从环境部署到功能定制
2026-03-14 06:22:02作者:胡易黎Nicole
核心模块解剖:理解项目运行引擎
FGO-py作为Fate/Grand Order的自动化助手工具,其核心架构围绕游戏操作自动化设计,主要包含五大功能模块。这些模块通过数据流串联形成完整的自动化闭环,当我们需要扩展功能时,只需在对应模块中添加处理逻辑即可实现功能叠加。
核心功能模块关系
设备连接层(fgoDevice.py)
- 功能:建立与移动设备的通信通道,支持ADB协议和模拟器连接
- 应用场景:多设备管理、跨平台兼容(Android/iOS)
- 核心逻辑:
device = DeviceManager().connect()
device.screenshot()
图像识别层(fgoDetect.py)
- 功能:游戏界面元素识别(按钮、血量条、地图标识等)
- 技术要点:模板匹配+OCR文字识别组合方案
- 应用场景:自动战斗定位、任务状态判断
任务调度层(fgoSchedule.py)
- 功能:管理自动化任务队列,支持定时执行和条件触发
- 配置注入:自动加载环境变量的过程,实现任务参数动态调整
- 应用场景:日常任务自动执行、周期性体力清空
战斗引擎(fgoFarming.py)
- 功能:核心战斗逻辑实现,包括技能释放、卡牌选择、敌人识别
- 应用场景:素材 farming、活动副本自动通关
- 风险提示 ⚠️:高难度副本建议先手动测试战斗策略
用户交互层
- GUI界面(fgoGui.py):提供可视化操作面板
- CLI命令行(fgoCli.py):支持脚本化批量操作
进阶探索
想深入了解模块间通信机制?查看项目源码中fgoKernel.py的事件总线实现。
环境搭建指南:从零开始的部署之路
准备条件
- Python 3.8+环境
- 安卓设备/模拟器(开启USB调试)
- 游戏客户端已安装并登录
操作步骤
1. 代码获取
git clone https://gitcode.com/GitHub_Trending/fg/FGO-py
cd FGO-py
2. 依赖安装
pip install -r requirements.txt
🔧 配置工具:国内用户可添加 -i https://pypi.tuna.tsinghua.edu.cn/simple 加速安装
3. 设备连接
- 物理设备:通过USB连接电脑,开启调试模式
- 模拟器:配置端口转发(默认5555端口)
- 验证方法:执行
adb devices查看设备列表
4. 基础配置
cp fgoConfig.py.example fgoConfig.py
修改配置文件中的设备参数和游戏设置
验证方法
运行基础测试命令检查环境完整性:
python fgo.py --test
成功输出设备信息和截图预览即表示环境搭建完成
进阶探索
Docker部署方案:查看deploy/Docker目录下的容器化配置文件
配置参数速查:定制你的自动化策略
核心配置参数表
| 参数名 | 默认值 | 允许范围 | 应用场景 |
|---|---|---|---|
device_adb_path |
adb |
字符串 | 自定义ADB路径 |
farming_stage |
1 |
1-10 | 设置默认 farming 关卡 |
ap_threshold |
10 |
0-100 | 体力自动恢复阈值 |
use_support |
True |
布尔值 | 是否使用助战英灵 |
terminate_later |
0 |
0-10 | 战斗超时终止时间(秒) |
扩展配置示例
战斗策略定制
# 在fgoFarming.py中添加
def custom_strategy():
if detect_boss():
use_skill(1, 3) # 使用1号英灵3技能
select_card('buster', 2) # 选择2号buster卡
多账号管理
# fgoTeamup.ini配置
[account1]
device=emulator-5554
team_index=1
[account2]
device=emulator-5556
team_index=2
配置验证工具
python fgoCli.py config verify
🚀 性能优化:频繁修改配置时,启用config.watch()实现热加载
进阶探索
完整配置项说明:查看项目根目录fgoConfig.py中的注释文档
实战应用场景:从基础到高级
日常素材 Farming
活动副本攻略
自定义任务开发
当需要实现特殊活动逻辑时,可通过继承BaseTask类扩展:
class SpecialEventTask(BaseTask):
def run(self):
self.navigate_to('event_shop')
self.purchase('reward_ticket')
进阶探索
社区共享任务脚本:查看fgoScript.txt中的示例模板
常见问题解决
设备连接失败
- 检查ADB服务状态:
adb start-server - 确认设备授权:在手机上同意USB调试授权
识别准确率低
- 更新图像资源:
python fgoImageListener.py update - 调整识别阈值:在
fgoDetect.py中修改confidence参数
战斗流程异常
- 查看详细日志:
tail -f fgoLog/app.log - 录制战斗过程:启用
--record参数生成操作录像
登录后查看全文
热门项目推荐
相关项目推荐
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust011
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
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++
947
887
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
398
303
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
143
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381


