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 11:47:24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
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
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
458
453
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425