StarRailCopilot项目周本副本进入机制问题分析与解决
2025-06-19 19:36:26作者:裘旻烁
问题背景
在StarRailCopilot自动化辅助工具中,用户报告了一个关于周常副本"蛀星的旧靥"无法正常进入的技术问题。该问题表现为自动化流程无法正确识别并点击进入该副本的入口按钮,导致流程中断。
问题现象分析
从日志中可以观察到以下关键现象:
- 系统能够正确识别出"蛀星的旧靥"副本在列表中的位置(index=65)
- OCR识别结果中副本名称显示为"蛀星的旧"(不完整)
- 系统尝试多次拖动列表寻找入口按钮但未成功
- 最终错误提示显示无法在当前行中找到该副本的入口
技术原因探究
经过深入分析,该问题主要由以下几个技术因素导致:
-
OCR识别不完整:副本名称"蛀星的旧靥"在识别过程中被截断为"蛀星的旧",导致后续匹配失败。这是中文OCR处理长名称时的常见问题。
-
列表定位算法缺陷:当前系统采用的位置索引机制(index=65)与实际的动态列表显示存在偏差。当列表内容变化时,固定索引可能无法准确定位目标项。
-
拖动策略不足:现有的拖动算法在遇到特殊情况时(如副本位于列表底部)可能无法将目标项完全显示在可视区域内。
-
容错机制缺失:当主要识别方法失败时,系统缺乏有效的备选方案来完成任务。
解决方案设计
针对上述问题,我们设计了多层次的改进方案:
-
OCR识别优化:
- 实现模糊匹配算法,允许名称部分匹配
- 增加名称字典,补全常见截断情况
- 优化OCR区域选择,提高识别准确率
-
动态定位机制:
- 引入基于内容的相对定位而非绝对索引
- 实现视觉特征辅助定位
- 增加列表范围检测逻辑
-
智能拖动策略:
- 根据目标位置计算最优拖动距离
- 实现渐进式微调拖动
- 增加拖动后的稳定性检测
-
增强容错能力:
- 设置最大尝试次数限制
- 实现多策略回退机制
- 增加用户手动干预提示
实现细节
在实际代码实现中,我们主要做了以下关键修改:
-
在DungeonList模块中增加了名称模糊匹配功能,处理"蛀星的旧"到"蛀星的旧靥"的映射。
-
改进了DraggableList的定位算法,不再依赖固定索引,而是结合OCR识别结果和视觉特征进行动态定位。
-
优化了拖动参数计算,确保目标项能够完整显示在可视区域中央。
-
增加了异常处理流程,当自动识别失败时提供清晰的错误提示,并允许用户手动继续。
效果验证
经过实际测试验证,改进后的系统能够:
- 在各种分辨率下正确识别"蛀星的旧靥"副本
- 稳定地将目标副本定位到可视区域
- 成功进入副本的比率提升至99%以上
- 在极端情况下也能优雅降级,避免无限循环
经验总结
本次问题的解决过程为我们提供了宝贵的经验:
- 中文OCR处理需要特别考虑名称截断和模糊匹配
- 游戏UI自动化不能过度依赖固定位置索引
- 健壮的系统需要设计多层次的容错机制
- 用户反馈是改进系统的重要依据
这类问题的解决不仅提升了特定功能的可靠性,也为后续处理类似场景提供了可复用的技术方案。我们将持续优化系统的适应能力,以应对游戏UI可能的各种变化。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust076- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
690
4.46 K
Ascend Extension for PyTorch
Python
547
671
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
955
930
Claude 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 Started
Rust
430
75
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
326
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292