MaaFramework v3.0.3 版本发布:功能优化与问题修复
MaaFramework 是一个开源的游戏自动化框架,主要用于《明日方舟》等游戏的辅助操作。该框架提供了丰富的接口和功能模块,支持跨平台运行,能够帮助开发者快速构建自动化脚本和工具。最新发布的 v3.0.3 版本在之前版本的基础上进行了多项优化和问题修复。
主要更新内容
接口重命名与术语统一
在 v3.0.0 版本中,开发团队对部分 API 进行了重命名,使其更加符合项目术语规范。这一改动虽然属于破坏性修改,但有助于提升代码的一致性和可读性。开发者需要参考适配指南对现有代码进行调整。
管道配置更新
框架中的 pipeline.schema.json 文件得到了更新,这一文件定义了管道配置的 JSON 模式。通过更新 schema,开发者可以获得更完善的配置验证和提示功能,减少配置错误的发生。
目标偏移计算优化
v3.0.2 版本修复了 target_offset 计算错误的问题。这一优化确保了在图像识别和点击操作中,目标位置的偏移计算更加准确,提高了自动化操作的精确度。
自定义识别与操作接口
新版本增加了 custom_recognition 和 custom_action 的装饰器 API。这些接口允许开发者更灵活地扩展框架的功能,实现自定义的识别算法和操作逻辑,为特殊场景下的自动化需求提供了更多可能性。
问题修复
v3.0.3 版本主要修复了 pip 相关的问题,确保了框架在 Python 环境中的稳定运行。此外,之前的版本还修复了以下问题:
- 修复了当检测到 EOF 时 CLI 未正确终止的问题
- 修复了 ColorMatch 管道解析缺失的问题
- 优化了目标偏移对矩形尺寸的限制
开发者工具与文档改进
项目文档也得到了多项更新,包括:
- 添加了最佳实践案例 MaaAshEchoes
- 统一了最佳实践中 Pipeline 的图标风格
- 在调试部分增加了对 VSCode 插件的介绍
这些改进使得新开发者能够更快地上手项目,理解框架的使用方法。
跨平台支持
MaaFramework 继续提供全面的跨平台支持,最新版本发布了以下平台的二进制包:
- Android (aarch64 和 x86_64)
- Linux (aarch64 和 x86_64)
- macOS (aarch64 和 x86_64)
- Windows (aarch64 和 x86_64)
每个平台的包都经过了优化,确保在不同设备上都能获得良好的性能表现。
总结
MaaFramework v3.0.3 版本在稳定性、功能性和易用性方面都有所提升。通过接口标准化、问题修复和新功能的加入,这个开源自动化框架变得更加成熟可靠。对于游戏自动化开发者和《明日方舟》玩家来说,这一版本提供了更好的开发体验和更稳定的运行表现。
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