LeagueAkari:让英雄联盟体验起飞的开源助手
🔧 功能概述:不止于"辅助"的游戏伙伴
想象一下,当你还在为抢不到心仪英雄而烦恼时,有人已经用1秒完成了从禁用到选择的全套操作——这就是LeagueAkari能带给你的游戏体验升级。作为基于英雄联盟LCU API开发的开源工具集(你可以把LCU理解成游戏客户端的"管家",负责处理各种请求),它就像给游戏装上了"智能导航系统",让从排队到结算的每个环节都变得丝滑无比。
✨ 核心功能优势
- 闪电般的英雄选择:支持普通/排位/大乱斗全模式,1秒3禁1选不是梦
- 战绩透视眼:就算对方隐藏战绩也能轻松查看,还能给"有趣"的玩家打标签
- 大乱斗终极Buff:无限刷新英雄池,再也不用等内置CD
- 自定义房间大师:一键创建5v5训练房,秒配5个职业级AI队友
- 皮肤自由:用任何皮肤当生涯背景,哪怕你并没有购买它们
📸 功能预览图(点击展开)
自动选择功能演示
战绩查询界面
大乱斗英雄刷新
🧩 核心模块:像搭积木一样理解架构
LeagueAkari的模块设计就像餐厅厨房——每个模块专注于特定功能,但又能完美配合。这种"各司其职"的架构让代码维护变得简单,也方便你按需扩展功能。
🏗️ 模块功能地图
核心服务层(必备基础)
├─ lcu-connection:游戏客户端"连接器",负责与LOL客户端对话
├─ league-client:客户端状态"监控器",跟踪游戏每个阶段
└─ storage:数据"保险箱",保存你的设置和战绩记录
功能模块层(特色功能)
├─ auto-select:英雄选择"自动化工厂"(核心代码在src/main/modules/auto-select)
├─ auto-gameflow:游戏流程"导航仪",自动处理排队/接受对局
├─ respawn-timer:重生时间"闹钟",精准提示回线时机
└─ external-data-source:外部数据"翻译官",获取英雄平衡信息
界面展示层(用户交互)
├─ main-window:主界面"舞台",展示所有功能控制面板
└─ auxiliary-window:辅助窗口"小助手",游戏中悬浮显示关键信息
💡 小贴士:如果你想开发新功能,只需创建新的模块类并继承MobxBasedBasicModule,就能自动获得状态管理和IPC通信能力!
🚀 快速上手:3分钟从安装到起飞
🔧 开发环境搭建(适合开发者)
# 1. 克隆仓库(代码"仓库"就像存放零件的工具箱)
git clone https://gitcode.com/gh_mirrors/le/LeagueAkari
# 2. 进入项目目录(就像打开工具箱)
cd LeagueAkari
# 3. 安装依赖(给工具箱添置所需工具)
yarn install
# 4. 启动开发模式(边改代码边看效果)
yarn dev
📦 普通用户安装(无需编程知识)
- 从项目 Releases 页面下载最新压缩包
- 解压到任意文件夹(注意:不要放在中文路径下!)
- 双击
LeagueAkari.exe即可运行(首次启动会较慢,耐心等待)
🔍 故障排查流程图
启动失败? → 检查是否解压完整 → 是 → 检查系统是否Win10+64位
↓
否 → 重新下载完整压缩包
↓
客户端无法连接? → 确认LOL客户端已启动 → 是 → 重启LeagueAkari
↓
否 → 先启动LOL客户端
💡 小贴士:如果遇到"找不到ffmpeg.dll"错误,99%是因为你直接运行了压缩包内的程序,记得先解压!
⚙️ 配置指南:打造你的专属工具
📝 package.json - 项目"食谱"
这个文件就像厨房的"食谱",记录了制作LeagueAkari需要的所有"食材"(依赖包)和"烹饪步骤"(脚本命令)。
常见修改场景:
- 想测试新版本Electron?修改
dependencies.electron版本号 - 优化启动速度?在
scripts.dev中添加--no-watch参数禁用文件监听 - 添加新命令?在
scripts节点下新增键值对,比如"test": "jest"
关键配置片段:
{
"main": "./out/main/main.js", // 程序入口点,相当于"前门"
"scripts": {
"dev": "electron-vite dev -- --inspect 4396", // 开发模式启动命令
"build:win": "npm run build && electron-builder --win --config" // 打包命令
},
"dependencies": {
"axios": "^1.7.2", // 网络请求"快递员"
"sqlite3": "5.1.6", // 本地数据库"仓库管理员"
"ws": "^8.17.1" // WebSocket"即时通讯工具"
}
}
📦 electron-builder.yml - 打包"礼盒"设计
如果把最终程序比作礼盒,这个文件就是礼盒的"设计图纸",控制打包后的文件结构、图标和格式。
常见修改场景:
- 自定义安装路径?添加
win.target: nsis并配置nsis.installDirectory - 减小安装包体积?在
files中添加更多排除规则 - 更换程序图标?修改
win.icon指向新的ico文件
🔨 electron.vite.config.ts - 构建"流水线"设置
这个配置文件就像工厂的"流水线"设计图,控制代码如何被编译、打包和优化。开发中最常用的就是修改别名配置,让代码引用更简洁。
// 添加自定义别名示例
resolve: {
alias: {
'@my-tools': resolve('src/my-custom-tools'), // 把长路径缩短成@my-tools
'@assets': resolve('pictures') // 图片资源快捷引用
}
}
🎮 实战场景:从青铜到王者的效率飞跃
场景1:大乱斗"无限刷新"流
- 启动LeagueAkari并进入大乱斗模式
- 在辅助窗口勾选"自动刷新英雄"
- 设置期望英雄列表(比如:佐伊、拉克丝、ez)
- 工具会自动帮你刷新直到刷出心仪英雄,平均节省80%等待时间
💡 高级技巧:按住Ctrl+Shift+R可以强制刷新当前英雄池
场景2:排位赛"战术大师"准备
- 在主界面"战绩查询"输入队友ID
- 分析他们最近20场胜率和常用位置
- 用"标签系统"标记每个人的擅长角色(如"上单大腿"、"野区代练")
- 进入选人阶段时,工具会自动显示队友擅长英雄,避免位置冲突
场景3:自定义训练房"一键搭建"
- 打开"工具集"→"房间工具"
- 选择"5v5训练模式"并勾选"添加5个AI"
- 点击"创建房间",自动完成所有设置
- 开始游戏后,AI会模拟真实玩家行为,完美用于练英雄
🛠️ 常见问题解决
❓ 会被封号吗?
虽然工具基于官方公开API开发,但Riot的检测系统可能误判。目前已知有玩家因"修改客户端"被封1小时的案例,建议排位模式谨慎使用。
❓ 战绩不更新怎么办?
这通常是LOL服务器抽风导致(尤其是艾欧尼亚大区)。试试:
- 重启LeagueAkari
- 在设置中切换"战绩数据源"
- 等待10分钟后再试(服务器缓存问题)
❓ 英雄选择界面闪退?
这是已知问题,临时解决方案:
1. 关闭LeagueAkari
2. 进入游戏完成英雄选择
3. 重新启动LeagueAkari
📜 免责声明
本工具仅作为学习交流使用,其设计和实施均未采用侵入性技术手段。但由于游戏环境的持续更新,无法完全排除兼容性问题或意外后果。使用本软件产生的任何账号风险,由用户自行承担。建议仅在自定义游戏或训练模式中使用。
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