FGO-py: Fate/Grand Order 自动化助手工具使用指南
FGO-py 是一款专为 Fate/Grand Order(命运-冠位指定)玩家设计的自动化助手工具,由 Python 开发而成。它能帮助玩家自动执行游戏内的重复操作,如刷副本、清理体力等,让玩家从繁琐的重复劳动中解放出来,专注于策略规划和游戏体验。无论你是编程新手还是有一定经验的开发者,都能轻松上手这款工具,享受自动化带来的便利。
一、快速上手:准备工作
1.1 获取项目代码
要开始使用 FGO-py,首先需要获取项目代码。你可以通过以下命令将项目克隆到本地:
git clone https://gitcode.com/GitHub_Trending/fg/FGO-py
1.2 安装依赖
项目运行需要一些必要的依赖库,这些依赖都列在 requirements.txt 文件中。你可以使用 pip 工具来安装这些依赖:
pip install -r requirements.txt
二、核心组件解析
2.1 源代码目录(FGO-py/)
这是项目的核心目录,包含了实现各种功能的 Python 脚本文件。其中,fgo.py 是主程序入口,fgoFarming.py 负责自动化刷副本等核心功能,fgoDevice.py 用于与游戏设备进行交互。这些文件相互配合,共同实现了 FGO-py 的自动化功能。
2.2 图像资源目录(FGO-py/fgoImage/)
该目录存放了大量游戏相关的图像资源,如地图、角色、材料等图片。这些图像在自动化过程中用于图像识别,帮助程序准确判断游戏界面状态。例如,地图图像(如 FGO-py/fgoImage/map/atlas/2-1.png)可用于定位游戏中的关卡位置。
2.3 部署脚本目录(deploy/)
这里包含了用于部署和运行项目的脚本和配置文件。例如,Docker 相关的配置文件可以帮助你快速搭建项目运行环境,无需担心环境依赖问题。
2.4 文档目录(doc/)
该目录提供了项目的相关文档和截图,帮助用户更好地了解和使用 FGO-py。其中,cli.png 展示了命令行界面的使用情况,alas.png 则呈现了图形用户界面的运行效果。
三、环境配置指南
3.1 配置文件设置
项目的配置文件是 fgoConfig.py,它就像项目的“控制面板”,你可以在这里设置各种参数,如游戏分辨率、操作延迟等。通过修改这些参数,你可以让 FGO-py 更好地适应你的游戏环境。
3.2 设备连接
FGO-py 需要与运行游戏的设备进行连接。你可以通过 USB 连接手机,或者使用模拟器。在连接设备后,程序会自动识别设备并进行配置。
四、使用技巧
4.1 图形用户界面(GUI)
如果你更喜欢直观的操作方式,可以使用 FGO-py 的图形用户界面。通过运行 fgoGui.py,你可以打开一个友好的界面,在其中设置自动化任务、查看运行日志等。
4.2 命令行界面(CLI)
对于熟悉命令行操作的用户,FGO-py 也提供了命令行界面。你可以通过运行 fgoCli.py 来使用各种命令,灵活地控制自动化过程。
4.3 自动化任务设置
在 FGO-py 中,你可以设置各种自动化任务,如“清空体力”“抽友情池”等。你可以根据自己的需求,在调度器中配置任务的执行时间和频率,让程序按照你的计划自动运行。
五、总结
FGO-py 是一款功能强大的 Fate/Grand Order 自动化助手工具,它通过简洁的配置和直观的操作,帮助玩家实现游戏自动化。无论是想节省时间,还是想体验游戏开发和自动化脚本的乐趣,FGO-py 都是一个不错的选择。希望本指南能帮助你快速上手并充分利用这款工具,享受更轻松愉快的游戏体验。
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


