ok-ww 鸣潮自动化工具部署与使用指南
2026-02-06 05:03:00作者:柯茵沙
项目概述
ok-ww 是一款基于图像识别技术的鸣潮游戏自动化工具,支持后台自动战斗、声骸自动上锁合成、肉鸽副本自动通关等核心功能。通过模拟用户键鼠操作实现无侵入式游戏交互,兼容主流16:9分辨率,可在后台窗口化运行。
核心功能特性
- 智能战斗自动化:全角色技能循环识别与自动释放
- 声骸管理系统:自动筛选、上锁及合成声骸资源
- 日常任务处理:一键完成每日委托和周本挑战
- 多场景支持:支持无妄者、五合一等多种副本自动通关
环境要求
系统配置要求
- 操作系统:Windows 10/11(64位系统)
- 处理器:Intel i5或Ryzen 5同级及以上
- 内存容量:8GB以上运行内存
- 游戏设置:1920×1080分辨率,亮度50%,关闭HDR效果
软件依赖
- .NET Framework 4.8 runtime
- VC++ 2022 redistributable
- Python 3.12(源码运行需要)
安装部署
快速安装步骤
- 下载安装包:从官方渠道获取最新的安装程序
- 运行安装:双击安装文件,按照向导完成安装
- 启动程序:从桌面快捷方式或开始菜单启动应用
源码运行方式(开发者选项)
如需从源代码运行,请执行以下命令:
# 克隆项目仓库
git clone https://gitcode.com/GitHub_Trending/ok/ok-wuthering-waves
# 进入项目目录
cd ok-wuthering-waves
# 安装依赖包
pip install -r requirements.txt --upgrade
# 运行正式版本
python main.py
# 运行调试版本(显示识别框)
python main_debug.py
功能配置
分辨率适配设置
在config.py文件中修改SCREEN_RESOLUTION参数,支持1280×720至3840×2160范围内所有16:9分辨率。宽屏显示器需在游戏设置中锁定纵横比。
键位自定义方法
- 启动程序后进入设置界面
- 在"输入设置"标签页配置技能按键映射
- 支持Q/E/R/空格等基础按键配置
- 配置完成后需要重启程序生效
使用指南
命令行参数说明
程序支持通过命令行参数实现自动化启动:
# 示例:启动后自动执行第一个任务,完成后退出
ok-ww.exe -t 1 -e
参数说明:
-t或--task:指定启动后执行的任务编号-e或--exit:任务完成后自动退出程序-hwnd:绑定指定的游戏窗口句柄
定时任务配置
可以通过Windows任务计划程序创建定时任务:
- 触发器设置:每日指定时间执行
- 操作配置:启动程序并传递相应参数
- 执行条件:仅当计算机空闲时运行
故障排除
常见问题解决
-
安装路径问题
- 确保软件安装在纯英文路径下
- 避免使用C:\Program Files等系统目录
-
杀毒软件拦截
- 将安装目录添加到杀毒软件白名单
- 关闭Windows Defender实时保护
-
显示设置优化
- 关闭所有显卡滤镜和锐化功能
- 使用游戏默认亮度设置
- 禁用游戏画面上的信息叠加层
-
性能调优建议
- 确保游戏稳定在60FPS运行
- 降低游戏画质或分辨率以提高稳定性
- 后台运行时设置程序优先级为"低"
技术架构
核心模块说明
ok-wuthering-waves/
├── assets/ # 资源文件与模型数据
├── src/ # 核心功能模块
│ ├── char/ # 角色技能逻辑实现
│ ├── task/ # 任务流程控制系统
│ └── combat/ # 战斗检测模块
├── config.py # 全局配置参数文件
└── main.py # 程序主入口文件
图像识别技术
- 使用OnnxRuntime + YOLOv8进行界面元素定位
- 支持技能CD检测和状态识别
- 基于特征匹配的游戏场景判断
注意事项
使用规范
- 避免同时运行多个自动化工具
- 建议每账号每日自动化时长不超过2小时
- 定期更新程序至最新版本获取兼容性修复
风险提示
使用本软件可能存在账号安全风险,请在使用前充分了解相关规则并自愿承担可能产生的后果。建议仅用于个人学习和测试用途。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
564
3.83 K
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++
892
659
Ascend Extension for PyTorch
Python
375
443
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
348
198
昇腾LLM分布式训练框架
Python
116
145
暂无简介
Dart
794
197
🎉 (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
1.36 K
775
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
268
React Native鸿蒙化仓库
JavaScript
308
359




