FGO-py 助手工具全攻略:从核心功能到实战部署
2026-04-15 08:19:23作者:宣聪麟
核心功能解析:FGO-py 能为你做什么?
FGO-py 作为 Fate/Grand Order 的自动化助手工具,最大特色在于将复杂的游戏操作转化为可编程的自动化流程。无论是日常素材 farming、活动副本攻略,还是定时任务调度,都能通过简洁的配置实现高效管理。其核心优势体现在三个方面:
- 智能战斗系统:通过图像识别技术自动分析战场状态,动态调整技能释放顺序和指令卡组合
- 多平台兼容:支持 Android 设备直连、模拟器集成及 Docker 容器化部署
- 模块化架构:核心功能与扩展模块解耦,方便开发者自定义脚本逻辑

图 1:FGO-py 内置的地图导航系统,支持自动路径规划与副本定位
环境配置指南:从零开始搭建运行环境
1. 基础环境准备
在开始使用前,请确保你的系统满足以下要求:
| 环境依赖 | 最低版本 | 推荐版本 |
|---|---|---|
| Python | 3.8 | 3.10 |
| ADB工具 | 1.0.41 | 1.0.42 |
| 模拟器 | BlueStacks 5 | NoxPlayer 7 |
2. 快速部署步骤
# 克隆项目仓库
git clone https://gitcode.com/GitHub_Trending/fg/FGO-py
cd FGO-py
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt
3. 配置文件优化
核心配置文件 fgoConfig.py 位于项目根目录,建议调整以下关键参数:
| 参数名 | 默认值 | 建议值 | 说明 |
|---|---|---|---|
DEVICE_CONNECT_TIMEOUT |
10s | 20s | 设备连接超时时间 |
BATTLE_DELAY |
1.0s | 0.8s | 战斗操作间隔 |
OCR_THRESHOLD |
0.7 | 0.85 | 图像识别置信度 |
实战操作步骤:从配置到运行
1. 设备连接流程
graph TD
A[启动模拟器/连接手机] --> B[启用USB调试]
B --> C[运行adb devices验证连接]
C --> D[配置fgoDevice.py中的设备ID]
D --> E[测试连接: python fgoCli.py connect]
2. 团队配置与战斗策略
通过 fgoTeamup.ini 文件配置你的战斗队伍:
[Team1]
name=Kizuna
servant1=1001 # 从者ID
servant2=2003 # 从者ID
CE1=5001 # 概念礼装ID
strategy=auto # auto/manual
3. 启动自动化任务
# 加载团队配置
python fgoCli.py teamup load Kizuna
# 开始战斗
python fgoCli.py main
4. WebUI界面使用
对于偏好图形界面的用户,可通过以下命令启动 Web 管理界面:
python fgoWebServer.py

图 3:FGO-py 提供的 Web 管理界面,支持任务调度与实时监控
常见问题解决方案
1. 设备连接失败
当你遇到 ADB device not found 错误时,不妨尝试:
- 重启 ADB 服务:
adb kill-server && adb start-server - 检查模拟器端口映射:确保 5555 端口未被占用
- 更新设备驱动:Windows 用户可通过设备管理器安装 Android ADB 驱动
2. 图像识别准确率低
提高识别精度的实用技巧:
- 调整游戏分辨率至 1280x720(推荐)
- 关闭游戏内特效和动态模糊
- 清理
fgoTemp/目录缓存:rm -rf fgoTemp/*
3. 战斗流程卡住
遇到脚本执行中断时:
- 查看
fgoLog/目录下的错误日志 - 检查
fgoDetect.py中的模板匹配阈值 - 使用
fgoCli.py debug模式进行单步调试
总结
FGO-py 凭借其灵活的配置系统和强大的自动化能力,为 FGO 玩家提供了高效的游戏辅助解决方案。无论是追求极致效率的硬核玩家,还是希望学习自动化脚本开发的程序员,都能在这个项目中找到价值。通过本文介绍的配置方法和实战技巧,你已经具备了上手使用的基础,接下来就请探索属于自己的自动化战斗策略吧!🛠️
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 StartedRust0185
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 Notebook0112
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。Java03
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
759
4.94 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++
854
1.91 K
deepin linux kernel
C
32
16
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++
674
1.32 K
Ascend Extension for PyTorch
Python
716
866
Claude 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 Started
Rust
1.78 K
186
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
454
436
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
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
991
598
暂无简介
Dart
1 K
259
