FGO-py零基础入门指南:从安装到高级配置全攻略
FGO-py是一款针对Fate/Grand Order游戏的自动化助手工具,由Python开发,能帮助玩家实现日常任务自动化、战斗流程优化等功能。本文将带你5分钟上手这款工具,并深入掌握其配置技巧,让游戏体验更轻松高效。
核心功能概览:FGO-py能为你做什么?
自动化战斗系统解析
FGO-py的核心功能是自动化战斗流程,通过图像识别技术识别游戏界面元素,自动执行攻击、技能释放等操作。系统会根据预设的队伍配置和战斗策略,智能选择最优行动方案,支持多种战斗场景。
多环境部署支持
工具提供了灵活的部署方案,支持本地直接运行、Docker容器部署以及AidLux等移动平台部署,满足不同用户的使用需求。无论是Windows、Linux还是Android系统,都能找到合适的部署方式。
任务调度与日志系统
内置的任务调度器允许用户设置定时任务,如每日登录、素材 farming 等。完善的日志系统会记录每一步操作,方便用户追踪执行情况和排查问题。
快速上手流程:5分钟启动你的第一个自动化任务
环境准备与依赖安装
-
克隆项目仓库:
git clone https://gitcode.com/GitHub_Trending/fg/FGO-py cd FGO-py -
安装依赖:
pip install -r requirements.txt
⚠️ 警告:请确保Python版本在3.8以上,否则可能出现兼容性问题。
设备连接与配置
-
连接Android设备(通过ADB):
adb connect 设备IP:端口 -
加载队伍配置:
python fgo.py teamup load [配置名称]
🔍 重点:首次使用需确保设备已开启USB调试模式,并允许ADB连接。
启动自动化任务
python fgo.py main
启动后,工具会自动识别游戏界面并开始执行预设任务。你可以通过
fgoCli.py或Web界面监控执行进度。
深度配置指南:打造个性化自动化方案
配置文件结构与参数说明
FGO-py的配置文件主要位于项目根目录,核心配置文件包括:
| 配置文件 | 作用 | 默认值 | 说明 |
|---|---|---|---|
| fgoConfig.py | 核心参数配置 | - | 包含设备连接、识别阈值等基础设置 |
| fgoTeamup.ini | 队伍配置 | - | 定义战斗队伍和技能释放策略 |
| fgoScript.txt | 任务脚本 | - | 自定义任务流程和条件判断 |
参数优先级与多环境配置
配置参数的优先级从高到低依次为:命令行参数 > 配置文件 > 默认值。
多环境配置方案:
- 创建不同环境的配置文件,如
config_dev.py、config_prod.py - 通过命令行指定使用的配置:
python fgo.py main --config config_dev.py
高级战斗策略配置
通过修改fgoTeamup.ini文件,你可以定制复杂的战斗策略:
[team1]
name=Kizuna
servant1=1001
skill1=1,2,3
servant2=1002
skill2=2,1,3
详细的配置项说明可参考项目中的
doc/versions.md文件。
目录文件速查表
| 目录/文件 | 作用 | 重要性 |
|---|---|---|
| FGO-py/ | 项目根目录 | ⭐⭐⭐ |
| fgo.py | 主程序入口 | ⭐⭐⭐ |
| fgoConfig.py | 配置文件 | ⭐⭐⭐ |
| fgoImage/ | 图像资源 | ⭐⭐ |
| fgoLog/ | 日志文件 | ⭐⭐ |
| deploy/ | 部署脚本 | ⭐ |
| doc/ | 文档资料 | ⭐ |
常见问题与避坑指南
设备连接问题
- 确保ADB驱动已正确安装
- 检查设备IP和端口是否正确
- 尝试重启ADB服务:
adb kill-server && adb start-server
图像识别不准确
- 调整游戏分辨率为标准值(1080x1920)
- 清理游戏缓存,确保界面元素清晰
- 在
fgoConfig.py中调整识别阈值
任务执行中断
- 检查日志文件定位问题点
- 确认游戏版本与工具兼容
- 尝试更新到最新版本
通过本文的指南,你已经掌握了FGO-py的基本使用和高级配置技巧。这款工具不仅能帮助你节省游戏时间,还能让你深入了解自动化脚本开发的原理。无论是新手还是有经验的开发者,都能从中找到适合自己的使用方式。开始你的FGO自动化之旅吧!
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 StartedRust0186
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08


