StarRailCopilot项目中的副本列表滚动逻辑问题分析与解决方案
2025-06-19 15:14:20作者:仰钰奇
问题背景
在StarRailCopilot自动化工具中,用户在执行每日副本任务时遇到了一个关键问题:当目标副本不在列表顶部时,系统无法正确滚动列表获取副本信息。具体表现为列表滚动逻辑出现反转,导致OCR识别始终停留在顶部几个副本,最终导致执行流程卡死。
问题现象分析
从日志中可以观察到以下关键行为:
- 系统尝试获取副本列表时,执行了从(505,229)到(505,586)的拖拽操作
- 这种拖拽方向实际上是在向上滚动列表而非向下
- 导致OCR识别始终只能获取到最上方的三个副本信息
- 系统陷入无限循环,不断尝试相同的错误滚动操作
根本原因
经过深入分析,问题的根源在于:
- 副本顺序不一致:当游戏中有"限时提前解锁"的副本时,这些副本会出现在列表顶部,打乱了系统预设的副本顺序
- 滚动逻辑依赖固定顺序:当前实现假设副本列表顺序固定,根据预设顺序计算滚动方向
- OCR识别与预期不符:当实际顺序与预期不符时,系统无法正确判断滚动方向
临时解决方案
用户提供了一个有效的临时解决方案:
修改StarRailCopilot\module\ui\draggable_list.py文件中的第134行:
main.device.drag(p1, p2, name=f'{self.name}_DRAG')
将p1和p2两个位置坐标对调,即可解决滚动方向错误的问题。
长期改进建议
虽然临时解决方案可以解决问题,但从系统设计角度,建议考虑以下改进方向:
-
基于OCR的动态定位:
- 识别整个可见区域的副本名称
- 根据目标副本位置决定滚动方向
- 不依赖预设的副本顺序
-
智能滚动策略:
- 实现二分查找式的滚动算法
- 记录已查看的副本范围
- 避免重复扫描相同区域
-
容错机制增强:
- 设置最大滚动次数限制
- 检测异常滚动模式
- 提供更清晰的错误提示
技术实现考量
在实现改进方案时,需要考虑以下技术因素:
- OCR识别精度:确保副本名称识别的准确性
- 性能平衡:在准确性和执行效率之间找到平衡点
- 兼容性:适应游戏未来可能的UI变化
- 异常处理:完善各种边界情况的处理逻辑
总结
StarRailCopilot中的副本列表滚动问题展示了自动化工具在面对游戏动态内容时的挑战。通过分析问题本质,我们不仅找到了临时解决方案,还提出了更健壮的改进方向。这类问题的解决需要结合游戏UI特性和自动化技术的深入理解,是游戏自动化开发中的典型挑战。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C033
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
343
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
235
267
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
327
🎉 (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
1.22 K
669
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
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
56
33