AzurLaneAutoScript 强化功能异常分析与解决方案
问题背景
在 AzurLaneAutoScript(以下简称 ALAS)的船只强化功能中,当遇到战斗中的船只时,系统会出现重复点击导致的异常退出问题。这个问题主要影响外服玩家,特别是在网络略有卡顿的情况下更容易触发。
问题现象
当 ALAS 尝试强化船只时,如果前几艘需要强化的船只正处于战斗状态,系统会不断尝试点击强化按钮(ENHANCE_RECOMMEND 和 ENHANCE_CONFIRM)。当这两种按钮的点击次数都达到6次时,系统会触发"Too many click between 2 buttons"错误并退出。
技术分析
状态机流程
ALAS 的强化功能采用状态机模式实现,正常强化流程如下:
- state_enhance_check:检查当前船只状态
- state_enhance_ready:准备强化
- state_enhance_recommend:设置推荐强化材料
- state_enhance_attempt:尝试点击强化确认按钮
- state_enhance_confirm:确认强化结果
当遇到战斗中的船只时,流程会变为: state_enhance_recommend → state_enhance_attempt → state_enhance_confirm → state_enhance_fail
重复点击保护机制
ALAS 通过 device.py 中的逻辑防止过多重复点击,规则如下:
- 单一按钮点击超过12次
- 两个按钮各点击超过6次
当前问题触发了第二条规则。
现有保护逻辑的不足
系统原本设计了针对"无材料可强化"情况的保护:
if state_list[-2:] == ["state_enhance_recommend", "state_enhance_fail"]:
self.device.click_record_clear()
但这种保护仅适用于从 state_enhance_recommend 直接到 state_enhance_fail 的情况,无法覆盖因战斗状态导致的强化失败路径。
解决方案
修复方案需要扩展点击记录清除的条件,使其能够识别因战斗状态导致的强化失败。具体应修改为:
if (state_list[-2:] == ["state_enhance_recommend", "state_enhance_fail"] or
state_list[-4:] == ["state_enhance_recommend", "state_enhance_attempt",
"state_enhance_confirm", "state_enhance_fail"]):
self.device.click_record_clear()
这样修改后,系统能够在以下两种情况下清除点击记录:
- 无材料可强化(原逻辑)
- 因战斗状态无法强化(新增逻辑)
实施效果
该修复已合并到主分支并经过一周的测试验证,确认能够有效解决战斗状态下船只强化导致的异常退出问题。用户反馈强化功能现在能够正常跳过战斗中的船只,继续尝试强化其他可用船只,而不会因点击次数过多而意外退出。
总结
通过对 ALAS 强化功能状态机的深入分析和针对性修复,我们解决了因战斗状态船只导致的重复点击问题。这个案例展示了状态机设计中考虑所有可能路径的重要性,以及在实现点击保护机制时需要全面覆盖各种异常情况。对于自动化脚本开发来说,这类边界条件的处理往往决定着系统的稳定性和用户体验。
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 StartedRust099- 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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。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