智能选课神器：PKUAutoElective全场景使用指南

PKUAutoElective是一款专为北京大学选课网补退选阶段设计的智能选课工具，集成自动操作、验证码识别、错误捕获等核心功能，帮助用户高效完成选课流程。本文将从核心价值、快速上手、场景拓展和生态解析四个维度，全面介绍这款工具的使用方法和技术特性。

一、核心价值：智能选课如何革新传统选课体验？

1.1 99.16%识别率的验证码突破技术

传统选课过程中，手动输入验证码不仅耗时，还容易因识别错误导致选课失败。PKUAutoElective采用基于深度学习的图像识别技术（CNN模型），实现了99.16%的验证码识别准确率，大幅降低人工干预成本，让选课过程更流畅。

1.2 多进程并发的智能选课架构

与单一账号手动操作不同，该工具支持多进程下的多账号/多身份选课，可同时处理多个选课任务。通过分布式任务调度机制，确保在选课高峰期仍能保持稳定性能，提升选课成功率。

💡 小贴士：核心优势在于将人工操作从重复劳动中解放，通过智能化技术实现选课流程的全自动化，特别适合课程竞争激烈的补退选阶段使用。

二、快速上手：如何3分钟启动智能选课系统？

2.1 前置准备：环境与项目部署

▶️ 环境配置 确保系统已安装Python 3（推荐3.6.8版本），通过以下命令安装核心依赖包：

pip3 install requests lxml Pillow opencv-python numpy flask -i https://pypi.tuna.tsinghua.edu.cn/simple

▶️ PyTorch安装 根据系统配置从PyTorch官网获取安装命令，例如CPU版本：

pip3 install torch==1.8.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

▶️ 项目获取 使用git命令克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/pk/PKUAutoElective

2.2 配置文件：如何完成智能选课参数设置？

▶️ 文件准备 复制项目根目录下的config.sample.ini文件，重命名为config.ini：

cp config.sample.ini config.ini

▶️ 参数配置 使用文本编辑器打开config.ini，重点配置以下内容：

• [user] section：填写学号、密码等身份信息
• [course] section：添加目标课程代码及优先级
• [advanced] section：设置选课间隔、重试次数等高级参数

💡 小贴士：配置文件中retry_interval参数建议设置为5-10秒，过短可能触发选课系统防刷机制。

2.3 启动运行：一键开启智能选课流程

进入项目根目录，执行启动命令：

python3 main.py

系统将自动完成登录验证、课程监控、验证码识别等流程，实时输出选课状态。

三、场景拓展：多账号管理与规则自定义实践

3.1 多账号选课：如何实现多身份并行操作？

当需要同时管理多个选课账号时，可通过指定不同配置文件实现多进程运行：

python3 main.py -c 【/path/to/config_alice.ini】
python3 main.py -c 【/path/to/config_bob.ini】

每个进程独立运行，互不干扰，适合家庭多成员或小组协作场景。

3.2 规则自定义：互斥规则与延迟规则设置

▶️ 互斥规则 在config.ini中通过exclusive_courses参数定义互斥课程组，例如：

exclusive_courses = [{"codes": ["001", "002"], "action": "stop_after_first"}]

表示选上001或002中的任意一门后，自动停止该组其他课程的选课请求。

▶️ 延迟规则 对热门课程设置延迟触发条件，例如：

delayed_courses = [{"code": "003", "threshold": 5}]

当课程003的空余名额小于等于5时才触发选课请求，避免无效请求占用系统资源。

3.3 常见问题速解

💡 验证码识别失败：检查模型文件model/cnn.20210311.1.pt是否存在，若缺失需重新下载 💡 选课无响应：确认网络连接正常，尝试调整retry_interval参数增加请求间隔 💡 账号登录失败：检查config.ini中账号密码是否正确，注意区分本科生/研究生身份标识

四、生态解析：智能选课系统的衍生项目矩阵

4.1 生态伙伴对比

项目名称	核心特性	适用场景
PKUElectiveCaptcha2021Spring	专注验证码识别优化，99.16%识别率	验证码识别模块独立部署需求
PKUElective2022Spring	2022春季学期适配版本，新增课程冲突检测	特定学期选课场景

4.2 技术架构解析

智能选课系统采用分层架构设计：

• 接口层：处理与选课网的HTTP通信
• 业务层：实现选课逻辑、规则引擎、错误处理
• 数据层：管理课程信息、账号状态、日志记录
• AI层：集成CNN模型进行验证码识别

💡 小贴士：通过替换autoelective/captcha/目录下的识别模块，可实现不同验证码模型的快速切换。

通过本文介绍，您已掌握PKUAutoElective的核心功能与使用方法。无论是单账号精准选课还是多账号批量操作，这款智能选课工具都能为您提供高效可靠的技术支持，让选课过程不再焦虑。