FGO-py 快速上手:从架构解析到环境配置的全流程指南
FGO-py 是一款针对 Fate/Grand Order 游戏的自动化助手工具,专为对游戏开发和自动化脚本感兴趣的程序员设计。本文将通过项目架构解析、核心模块使用和环境配置指南三大篇章,帮助你快速掌握项目的核心逻辑与实操方法,轻松实现游戏自动化操作。
一、FGO-py 架构解析指南
1.1 核心目录树与功能定位
如何快速理解项目的组织方式?FGO-py 采用模块化设计,主要目录结构如下:
FGO-py/
├── fgoImage/ # 图像资源库,含地图、素材等游戏图像
├── fgoWebUI/ # Web 界面相关文件
├── deploy/ # 部署脚本与配置模板
├── doc/ # 项目文档与示例截图
└── 核心脚本文件 # 如 fgo.py、fgoDevice.py 等功能实现
其中,fgoImage/map/atlas/ 目录存储游戏地图资源,例如 2-1.png 是游戏内区域地图,包含任务点与路径标识,为自动化导航提供视觉参考:
1.2 模块关系与数据流向
项目各模块如何协同工作?核心流程如下:
- 设备连接层(fgoDevice.py):通过 ADB 或模拟器接口连接游戏设备
- 图像识别层(fgoDetect.py):解析
fgoImage/中的图像模板,识别游戏界面元素 - 任务执行层(fgoFarming.py):根据配置文件自动执行战斗、素材收集等任务
- 日志与调度(fgoLogging.py、fgoSchedule.py):记录操作日志并管理任务队列
数据流向为:设备输入 → 图像识别 → 任务逻辑处理 → 设备输出,形成完整的自动化闭环。
1.3 核心文件功能速览
哪些文件是项目的"大脑"?关键脚本及其作用:
- fgo.py:主程序入口,整合各模块并启动自动化流程
- fgoConfig.py:配置管理中心,存储用户偏好与运行参数
- fgoOcr.py:文字识别工具,解析游戏内文本信息(如体力值、任务名称)
二、核心模块调用方法
2.1 设备连接与初始化
如何让工具识别你的游戏设备?通过 fgoDevice.py 模块实现:
from fgoDevice import DeviceManager
# 初始化设备管理器
device = DeviceManager()
# 连接安卓设备(支持 USB/模拟器)
device.connect(adb_path="/usr/bin/adb", device_id="emulator-5554")
# 验证连接状态
if device.is_connected():
print("设备连接成功!")
🛠️ 场景应用:当使用模拟器时,需确保 ADB 路径正确,可通过 adb devices 命令获取设备 ID。
2.2 战斗自动化模块使用
如何实现自动战斗?调用 fgoFarming.py 中的战斗逻辑:
from fgoFarming import BattleHandler
# 加载队伍配置(预设阵容)
battle = BattleHandler(team_config="Kizuna")
# 启动战斗循环(指定关卡与次数)
battle.start_farming(stage="1-1", repeats=10)
🔧 参数说明:team_config 对应 fgoTeamup.ini 中的队伍配置,stage 需与 fgoImage/map/ 中的地图标识匹配。
2.3 日志与监控功能
如何追踪自动化过程?通过 Web UI 或命令行查看实时日志:

Web UI 提供任务调度、日志查看和配置修改功能,可通过 fgoWebServer.py 启动本地服务访问。
三、环境配置参数详解
3.1 基础环境搭建
开始前需要准备什么?
- 依赖安装:通过
requirements.txt安装必要库pip install -r requirements.txt - 设备配置:
- 安卓设备开启 USB 调试
- 模拟器设置端口转发(如夜神模拟器默认端口 62001)
3.2 配置文件分类与优先级
配置参数保存在哪里?按优先级从高到低为:
- 环境变量:覆盖配置文件的临时参数(如
FGO_DEVICE_ID=emulator-5554) - 用户配置:
fgoConfig.py中的自定义设置 - 默认配置:项目内置的
fgoConst.py常量
📌 示例配置(fgoConfig.py):
class Config:
# 基础设置
AUTO_HEAL = True # 自动使用圣晶石恢复体力
BATTLE_TIMEOUT = 300 # 战斗超时时间(秒)
# 高级设置
OCR_THRESHOLD = 0.8 # 文字识别置信度
3.3 命令行启动与参数示例
如何通过命令行启动工具?
# 基础启动(使用默认配置)
python fgo.py
# 指定队伍配置与设备
python fgo.py --team Kizuna --device emulator-5554
# 后台运行模式
nohup python fgo.py > fgo.log 2>&1 &
通过以上步骤,你已掌握 FGO-py 的核心架构、模块使用与环境配置方法。根据实际需求调整配置参数,即可实现高效的游戏自动化操作。更多高级功能可参考 doc/ 目录下的详细文档。
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
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

