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!
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00


