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。
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 StartedRust0122- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
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


