March7thAssistant 自动化工具 v2025.1.20 版本技术解析
项目简介
March7thAssistant 是一款专为《崩坏:星穹铁道》游戏设计的自动化辅助工具,通过计算机视觉和自动化技术帮助玩家完成游戏中的重复性操作。该工具能够模拟玩家操作,实现自动战斗、资源收集、任务完成等功能,同时保持合规性不修改游戏数据。
版本核心更新解析
3.0版本游戏内容适配
本次更新最重要的改进是对游戏3.0版本新增内容的全面支持:
-
新关卡识别系统:工具现在能够准确识别3.0版本中新增的所有关卡类型,包括新的模拟宇宙、忘却之庭等挑战内容。识别算法采用了改进的特征匹配技术,确保在不同分辨率下都能稳定工作。
-
角色识别增强:新增了3.0版本所有角色的识别模板,包括角色立绘、技能图标和战斗中的角色模型。识别系统现在采用分层匹配策略,先识别角色大类,再精确定位具体角色。
-
战斗策略优化:针对新角色的技能机制,工具内置了优化的战斗策略逻辑。例如,对于具有特殊机制的新角色,工具会自动调整技能释放优先级和战斗节奏。
推送通知系统升级
-
Matrix协议支持:新增了对Matrix开源通信协议的支持,这是一种去中心化的实时通信协议。用户现在可以通过自建的Matrix服务器接收工具的运行状态通知,增强了隐私性和可控性。
-
通知内容优化:推送消息现在包含更丰富的上下文信息,如任务完成详情、遇到的异常情况等,帮助用户更好地了解工具运行状态。
资源管理系统改进
-
开拓力上限调整:识别系统现在支持最高300点的开拓力上限,采用了动态阈值算法,能够自动适应游戏未来可能的资源上限变化。
-
沉浸器识别修复:修复了之前版本中无法准确识别沉浸器数量的问题。新版本采用了多区域扫描和OCR校验的双重验证机制,显著提高了资源统计的准确性。
数据记录功能增强
-
抽卡记录同步:优化了抽卡记录更新机制,现在能够正确处理游戏API返回的各种数据格式。系统采用了增量更新策略,只同步新增记录,减少网络负载。
-
数据校验机制:新增了数据完整性检查功能,在记录更新时会自动验证数据有效性,防止因网络问题导致的数据损坏。
技术架构优化
-
代码规范化重构:对核心代码进行了大规模重构,采用了更清晰的模块划分和接口设计。主要改进包括:
- 统一了错误处理机制
- 优化了配置管理模块
- 重构了图像识别流水线
-
性能优化:通过算法优化减少了CPU和内存占用,特别是在长时间运行时表现更为稳定。
-
可维护性提升:增加了详细的代码注释和模块文档,便于开发者理解和参与项目贡献。
使用建议
对于普通用户,建议直接下载完整版(Full)压缩包,包含所有依赖项,开箱即用。技术用户可以选择标准版,更轻量但需要自行配置Python环境。
新用户应特别注意:
- 首次使用前仔细阅读配置文件说明
- 根据显示器分辨率调整识别参数
- 定期更新以确保兼容最新游戏版本
对于开发者,本次更新的代码结构更加规范,是参与项目贡献的良好时机,特别是在多协议支持和游戏内容识别方面仍有扩展空间。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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