Perseus实战手册:碧蓝航线脚本补丁库从零开始使用指南
关于Perseus项目
Perseus是一个专为碧蓝航线游戏设计的脚本补丁库,它采用了不依赖偏移量的创新技术,这意味着即使游戏进行常规更新,只要没有引入新的安全机制,补丁依然能够正常工作。这个轻量级的本地库为玩家提供了修改游戏脚本的简单途径,让你能够自定义游戏体验而不必担心频繁的兼容性问题。
准备工作:获取与安装Perseus
下载项目文件
你可以通过Git工具获取Perseus项目的完整代码。打开终端,执行以下命令克隆仓库:
git clone https://gitcode.com/gh_mirrors/pers/Perseus
了解项目结构
克隆完成后,你会看到项目中包含针对不同架构的库文件:
- arm64-v8a/libPerseus.so (64位ARM设备)
- armeabi-v7a/libPerseus.so (32位ARM设备)
- x86/libPerseus.so (x86架构设备)
根据你的设备类型选择相应的库文件进行集成。
核心功能:集成Perseus到游戏项目
库文件部署
将对应架构的libPerseus.so文件复制到Unity项目的Assets文件夹中。确保放置在正确的平台特定目录下,以便Unity能够正确识别并打包这些本地库文件。
UnityPlayerActivity配置
-
在UnityPlayerActivity类中添加一个静态本地方法声明,位置要放在任何onCreate方法之上:
private static native void init(android.content.Context context); -
在onCreate方法中添加库加载和初始化代码:
- 首先加载Perseus库
- 然后调用刚刚声明的init方法进行初始化
注意在添加这些代码时,要避免替换或干扰现有的变量定义和初始化代码。
功能配置:个性化你的Perseus
找到配置文件
Perseus的配置文件Perseus.ini位于游戏的外部文件目录中。通常路径格式如下:
/sdcard/Android/data/[包含"AzurLane"的包名]/files/
你可以通过文件管理器应用导航到这个位置,或者使用adb命令访问:
adb pull /sdcard/Android/data/[包名]/files/Perseus.ini
配置选项说明
打开Perseus.ini文件后,你可以看到各种可配置的选项。其中最常用的包括:
- 皮肤模组开关:启用后可以访问所有游戏内皮肤
- 脚本补丁设置:控制哪些游戏脚本会被修改
- 日志级别:调整日志输出详细程度,便于调试
修改完成后,保存文件并确保放回原目录。
进阶技巧:充分利用Perseus功能
皮肤模组使用指南
- 确保Perseus库已正确集成并加载
- 在Perseus.ini中找到"Skins mod"相关设置并设为启用状态
- 启动游戏,皮肤模组会自动生效,所有可用皮肤将对玩家开放
- 皮肤设置在游戏重启后依然保持,无需重复配置
故障排除小贴士
如果遇到Perseus无法正常工作的情况,可以尝试以下解决方法:
- 检查库文件是否与设备架构匹配
- 确认UnityPlayerActivity中的初始化代码位置是否正确
- 查看配置文件路径是否正确,文件是否存在
- 尝试删除Perseus.ini后重启游戏,让系统生成默认配置文件
项目现状与后续发展
根据项目维护者的说明,目前Perseus不再进行积极维护。源代码可以在项目的src分支中找到,感兴趣的开发者可以基于现有代码进行二次开发或扩展功能。
项目采用宽松的许可协议,你可以自由地对代码进行修改、分发和用于个人项目,无需担心版权限制。
鸣谢
Perseus的开发借鉴了多个开源项目的成果,包括但不限于:
- Obfuscate:提供混淆相关功能
- And64InlineHook:提供内联钩子支持
- Android-Hooking-Template:提供Android钩子模板
- Azur-Lane-Scripts-Autopatcher:碧蓝航线脚本自动补丁工具
这些开源项目为Perseus的开发提供了重要的技术支持。
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