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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00