原神抽卡数据分析神器:5分钟学会导出所有祈愿记录
想要完整保存你的原神抽卡历史吗?genshin-wish-export是一款基于Electron开发的专业工具,能够轻松导出原神祈愿数据到Excel表格中。这款工具通过智能读取游戏日志获取访问权限,自动合并新旧数据,为你提供完整的抽卡统计和分析。
🎯 为什么需要祈愿记录导出工具
原神游戏中的祈愿历史记录只会保存最近6个月的数据,超过时间限制的抽卡记录会被系统自动清理。使用genshin-wish-export工具,你可以永久保存所有抽卡数据,避免珍贵的历史记录丢失。
📱 工具界面预览与功能解析
从界面可以看出,这款工具提供了三个主要祈愿类型的详细统计:
- 角色活动祈愿:追踪限定角色池的抽卡情况
- 常驻祈愿:记录标准池的抽卡数据
- 新手祈愿:保存新手池的抽卡记录
每个祈愿类型都配有直观的饼图展示,清晰显示不同星级物品的分布比例,让你一目了然地了解自己的抽卡习惯。
🚀 四步快速上手指南
第一步:准备工具与游戏环境
首先确保你已经下载了最新版本的genshin-wish-export工具,并将压缩包解压到合适的目录。同时启动原神游戏,确保能够正常登录并进入游戏界面。
第二步:获取数据访问权限
打开游戏内的祈愿界面,点击历史记录页面。此时工具会自动检测游戏日志,获取读取祈愿数据所需的认证密钥。
第三步:加载并分析数据
运行genshin-wish-export工具,点击"加载数据"按钮。工具会立即开始读取你的祈愿历史记录,整个过程通常只需要几分钟时间。
第四步:导出Excel文件
数据加载完成后,点击"导出Excel"按钮,选择保存位置即可生成专业的Excel表格文件。
📊 导出数据深度解读
导出的Excel文件包含多个工作表,每个祈愿池都有独立的统计页面。文件中详细记录了每次抽卡的时间、获得的物品名称、物品类型、稀有度等级等关键信息。
特别值得一提的是,工具会自动计算保底计数,让你清楚知道距离下一次保底还有多少次抽卡机会。
🌍 多语言与多账号支持
genshin-wish-export内置了完善的多语言系统,支持中文、英文、日文、韩文等十多种语言。所有翻译文件都保存在src/i18n目录中,方便用户根据需求进行调整。
对于拥有多个游戏账号的玩家,工具支持同时管理多个账号的祈愿数据。只需点击界面上的加号按钮,就能轻松添加新的账号记录。
🔒 数据安全与本地存储
所有祈愿数据都存储在本地userData文件夹中,不会上传到任何服务器,充分保障你的游戏数据安全和隐私。
🛠️ 开发者与进阶使用
如果你对工具的开发感兴趣,可以通过以下命令获取源代码:
git clone https://gitcode.com/GitHub_Trending/ge/genshin-wish-export
cd genshin-wish-export
yarn install
yarn dev
工具采用MIT开源许可证,允许用户自由使用和修改。核心的数据处理模块位于src/main目录下,包括数据获取、Excel导出、配置管理等重要功能。
💡 实用技巧与建议
定期备份习惯:建议每1-2周导出一次数据,确保记录完整无遗漏。
数据分析应用:导出的Excel文件可以配合其他数据分析工具进行深度挖掘,比如计算特定角色的出货概率、分析抽卡时间规律等。
多设备同步:如果你在多个设备上玩游戏,记得在每个设备上都进行数据导出,然后手动合并数据文件。
genshin-wish-export是每个原神玩家都应该拥有的数据管理助手。通过定期使用这款工具,你不仅能保存珍贵的抽卡记忆,还能基于历史数据制定更科学的抽卡策略。现在就开始使用吧,让你的每一次抽卡都有据可查!
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
