BetterGI 0.43版本发布:全自动钓鱼与游戏自动化功能全面升级
项目简介
BetterGI是一款针对《原神》游戏的自动化辅助工具,旨在通过技术手段提升玩家的游戏体验。该项目通过计算机视觉识别、自动化操作等技术,实现了游戏内各种重复性任务的自动化处理,如钓鱼、采集、战斗等,同时提供了丰富的自定义功能。
0.43版本核心更新
全自动钓鱼系统重构
本次更新对钓鱼系统进行了全面重构,使其成为独立任务模块,具有以下显著改进:
-
纳塔鱼类支持:新增了对纳塔地区鱼类的识别能力,扩展了自动化钓鱼的覆盖范围。
-
任务独立性:钓鱼任务现在可以作为独立模块运行,并支持通过地图追踪和JS脚本调用,提高了系统的灵活性和可扩展性。
-
昼夜自动切换:系统能够根据游戏内时间自动调整钓鱼策略,适应不同时间段鱼类的出现规律。
-
假龙抛竿优化:针对特定鱼类(假龙)的抛竿机制进行了专门优化,提高了钓鱼成功率。
一条龙任务增强
-
每日任务完成提醒:新增了每日任务完成状态检查功能,避免重复执行已完成任务。
-
任务结束操作:提供了任务结束后自动关闭游戏或关机等选项,增强了自动化流程的完整性。
调度器功能升级
-
安全提示:清空所有任务时增加了确认提示,防止误操作导致任务丢失。
-
Shell任务支持:新增了Shell类型任务,允许执行系统命令(需谨慎使用不熟悉的命令)。
地图追踪优化
-
角色需求提示:当当前队伍配置无法满足简易策略脚本要求时,系统会明确提示所需角色。
-
异常场景处理:增强了遇到异常界面(如"x"按钮)时的处理能力,自动返回主界面。
-
七天神像回血优化:改进了与七天神像交互的相关配置,提高了回血功能的可靠性。
-
传送稳定性:优化了自动传送前后的按键处理,解决了传送后角色持续移动的问题。
-
元素采集修复:修复了火元素采集不生效的问题。
其他重要改进
-
脚本保存修复:解决了保存键鼠脚本时丢失最后一个MacroEvent的问题。
-
全局按键映射:新增了对脚本、策略等的全局自定义按键映射支持。
-
窗口焦点保持:添加了强制保持游戏窗口焦点的设置选项。
-
游戏时间记录:集成了Starward工具的游戏时间记录功能。
-
通知增强:企业微信通知现在支持图片输出。
-
新角色支持:添加了对5.4版本新角色的识别能力。
-
改键功能修复:修复了部分功能键位无法作为改键使用的问题。
-
用户体验优化:包括文案与UI改进,以及新增的首次运行引导界面。
技术价值分析
BetterGI 0.43版本的更新体现了几个重要的技术方向:
-
模块化设计:将钓鱼系统重构为独立任务模块,提高了代码的可维护性和功能扩展性。
-
计算机视觉应用:通过图像识别技术实现对游戏内元素(如鱼类、界面按钮等)的自动识别,这是自动化操作的基础。
-
异常处理机制:增强了系统对游戏异常状态的检测和处理能力,提高了自动化流程的稳定性。
-
用户自定义能力:提供全局按键映射、Shell任务等特性,赋予用户更高的自定义权限。
-
跨平台集成:与Starward等工具的集成,展示了项目开放性和扩展性。
安全使用建议
虽然BetterGI提供了强大的自动化功能,但用户应注意:
-
谨慎使用Shell任务功能,避免执行不明来源的命令。
-
合理设置自动化操作的频率和强度,避免对游戏服务器造成过大压力。
-
关注游戏官方的相关规则,确保自动化操作不会违反游戏服务条款。
BetterGI项目通过持续的技术迭代,为《原神》玩家提供了更智能、更高效的辅助工具,0.43版本在多方面实现了功能增强和体验优化,值得自动化技术爱好者和游戏玩家关注。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00