AI自瞄神器sunone_aimbot_2全解析:核心功能与系统架构终极指南
AI自瞄神器sunone_aimbot_2全解析:核心功能与系统架构终极指南
sunone_aimbot_2 是一款基于 C++17 的开源 AI 自瞄工具,面向所有 FPS 和 TPS 射击游戏,通过 AI 目标检测自动锁定敌人并平滑移动鼠标。本文带你完整解析它的 5 大核心功能、双 GPU 推理后端、10 种鼠标输出方式,以及清晰的模块化解耦架构,零基础也能看懂它"从截屏到扣扳机"的完整链路。
🎯 项目简介:它能做什么?
一句话概括:截屏 → AI 检测 → 预测目标 → 移动鼠标,全程在毫秒级完成。
| 能力 | 说明 |
|---|---|
| 🎮 游戏支持 | 所有 FPS / TPS 射击游戏,通过配置切换灵敏度档案 |
| 🧠 AI 检测 | 基于 YOLO 系列 ONNX / TensorRT 模型,识别"身体 + 头部"两类目标 |
| 📷 多源截屏 | 桌面复制 API、WinRT、虚拟摄像头、UDP 推流 4 种采集方式 |
| 🎯 智能跟枪 | Kalman 滤波平滑 + 速度预测 + Wind Mouse 拟人化移动 |
| 🖱️ 10 种输出 | WIN32、GHUB、RAZER、Arduino、RP2350、Teensy41、Kmbox 等 |
| 📊 可视化 | ImGui 设置面板 + 游戏内 DComp 实时叠加层 |
项目同时提供 CUDA + TensorRT(NVIDIA 高性能版)与 DirectML(全 GPU 通用版)两种预编译包,下载解压后运行 ai.exe 即可,无需自己编译。
⚡ 核心功能详解
1️⃣ 双推理后端:DirectML vs CUDA + TensorRT
这是选型的第一决策点:
- DirectML(DML)版:适配任意现代显卡(NVIDIA / AMD / Intel 核显均可),加载
.onnx模型,零额外依赖,适合入门和老显卡; - CUDA + TensorRT 版:需要 GTX 1660 及以上 NVIDIA 显卡,加载
.engine引擎文件,性能天花板更高,且内置 CUDA 直传截屏(避免 CPU 来回拷贝像素),还可用--benchmark-providers命令行对cpu / cuda / dml-gpu / dml-cpu四种提供器做基准测试。
相关实现位于 sunone_aimbot_2/detector/dml_detector.cpp 与 sunone_aimbot_2/detector/trt_detector.cpp。
2️⃣ 多源截屏:4 种采集方式任选
| 采集方式 | 配置值 | 适用场景 |
|---|---|---|
| 桌面复制 API | duplication_api |
默认首选,效率最高 |
| WinRT | winrt |
系统级帧轮询 |
| 虚拟摄像头 | virtual_camera |
推流 / OBS 场景 |
| UDP 接收 | udp_capture |
远程设备推画面 |
所有实现统一继承 IScreenCapture 接口,见 sunone_aimbot_2/capture/capture.h。配合 detection_resolution(默认 320 的方形推理尺寸)与 capture_fps(默认 60)控制精度与开销的平衡。
3️⃣ AI 检测 + Depth Anything 深度估计
检测器输出"身体 / 头部"两类框(由 class_player 与 class_head 指定类别 ID),再经 NMS 去重后进入目标缓冲区 sunone_aimbot_2/detector/detection_buffer.h。
CUDA 版还集成了 Depth Anything v2 深度估计模型(TensorRT 引擎),可估算目标距离用于更合理的瞄准偏移,深度模型与推理代码分别在 depth_models/ 目录与 sunone_aimbot_2/depth/depth_anything_trt.cpp。
4️⃣ Kalman 滤波跟枪 + Wind Mouse 拟人移动
这是"跟得稳"的关键,核心在 sunone_aimbot_2/include/aim_kalman.h:
- Kalman 2D 追踪:对检测框做位置 / 速度状态估计,抗抖动、抗漏检,
kalman_compensate_detection_delay自动补偿截屏 + 推理的延迟; - 未来位置预测:
predictFuturePositions推演目标未来 20 帧轨迹,画面上可见预测虚线点; - Wind Mouse:把直线移动改写成带惯性与噪声的曲线,轨迹更自然(参数
wind_G / wind_W / wind_M / wind_D); - 速度曲线:
speedCurveExponent控制"离得远快追、近处慢微调"的曲线形状。
鼠标线程逻辑集中在 sunone_aimbot_2/mouse/mouse.h。
5️⃣ 10 种鼠标输出方式
通过 input_method 一个参数切换,实现全部封装在 IMouseInput 抽象接口之后(sunone_aimbot_2/mouse/MouseInput.h):
WIN32·GHUB·RAZER·ARDUINO·RP2350·TEENSY41·TEENSY41_HID·KMBOX_NET·KMBOX_A·MAKCU
硬件方案(Arduino / RP2350 / Teensy / Kmbox / MAKCU)通过串口或网络桥接,仓库内还附带了对应的固件工程,例如 sunone_aimbot_2/firmware/teensy41_mouse_bridge/。注意:Razer 与 Teensy 路径是显式设备,选了就不会静默回退到 WIN32。
6️⃣ 双层可视化界面
- 设置面板:ImGui + DirectX 11 实现的无边框窗口(
Home键开关),所有参数可视化调节,代码在 sunone_aimbot_2/overlay/; - 游戏内叠加层:基于 Windows DComp 的透明叠加窗口,实时绘制检测框、预测轨迹、Circle FOV 圆、延迟补偿后的目标位置,且可自动排除在截屏之外(
overlay_exclude_from_capture)。
🏗️ 系统架构:线程如何协作?
sunone_aimbot_2 采用多线程流水线设计,主流程在 sunone_aimbot_2/sunone_aimbot_2.cpp 中启动,各线程由统一的守护模板 StartThreadGuarded 包裹,任一线程崩溃都会安全退出而非卡死:
截屏线程 → 帧队列 → 推理线程(DML/TRT) → 检测缓冲 → 鼠标线程(Kalman+Wind) → 输入设备
↓
键盘监听 / ImGui 面板线程 / 游戏叠加层线程
- 模块间靠
std::atomic标志位(如detection_resolution_changed、input_method_changed)热更新配置,改参数不用重启(F4重载配置同理); - 资源隔离:启动时可预留 CPU 核心与显存(
cpuCoreReserveCount、gpuMemoryReserveMB),保证游戏帧率,见 sunone_aimbot_2/mem/cpu_affinity_manager.h; - 线程循环定义见 sunone_aimbot_2/runtime/thread_loops.h。
🚀 快速上手:三步跑起来
- 选版本:非 N 卡或想省事 → DML 版;N 卡 GTX 1660+ 追求性能 → CUDA 版(需安装 CUDA 13.1);
- 放模型:把
.onnx(DML)或.engine(TensorRT)模型放入models文件夹,首次启动可能自动导出引擎(约 5 分钟); - 运行
ai.exe,按Home打开面板选择模型即可。
⌨️ 常用快捷键
| 按键 | 功能 |
|---|---|
| 鼠标右键 | 按住自瞄 |
F2 |
退出程序 |
F3 |
暂停 / 恢复自瞄 |
F4 |
重载 config.ini |
Home |
打开 / 关闭设置面板 |
⚙️ 配置速览:config.ini 关键项
配置文件首次启动自动生成,推荐通过 GUI 修改;想手动编辑时参考完整键值表 docs/config.md。最常用的几组:
- 后端与模型:
backend(DML/TRT)、ai_model、confidence_threshold; - 瞄准:
body_y_offset(身瞄偏移)、disable_headshot(关爆头)、auto_aim(自动自瞄); - Circle FOV:
circle_fov_enabled+circle_fov_radius_percent,用圆形区域限制检测范围,省算力又更聚焦; - 游戏档案:
[Games]节按名称 = 灵敏度, yaw, pitch[, fov缩放, baseFOV]为不同游戏存一套系数,active_game切换。
❓ 常见问题排查
遇到"跑起来但没反应",按 docs/guides.md 的顺序检查:
- DML 有框都没? 确认模型是
.onnx而非.engine;临时调低confidence_threshold;核对class_player/class_head与模型类别 ID 是否一致; - CUDA 版 GPU 占用异常? 关闭调试预览窗(
show_window = false)、截图与数据采集等功能,它们会强制 CPU 回拷像素; - 读诊断日志:控制台
[CaptureDiag]行的need_cpu_copy、gpu_ok、trt_gpu_submitted等字段能直接告诉你帧走的是 GPU 直传还是 CPU 路径; - 硬件输出不工作? 选中的硬件方法不会自动回退,先确认设备 / DLL 到位(如 Razer 需
rzctl.dll),再看[Mouse]日志。
📁 仓库导览:从目录看懂架构
| 目录 | 职责 |
|---|---|
| sunone_aimbot_2/capture/ | 截屏与帧队列 |
| sunone_aimbot_2/detector/ | DML / TensorRT 检测器与后处理 |
| sunone_aimbot_2/depth/ | Depth Anything 深度估计 |
| sunone_aimbot_2/mouse/ | 鼠标线程与 10 种输出设备驱动 |
| sunone_aimbot_2/overlay/ | ImGui 面板与游戏内叠加层 |
| sunone_aimbot_2/config/ | 配置读写,默认值"真源" |
| sunone_aimbot_2/runtime/ | 鼠标 / 叠加层线程主循环 |
| sunone_aimbot_2/benchmarks/ | 推理提供器基准测试 |
高级用户想从源码构建,用根目录的 BUILDER.bat 一键拉取依赖并编译(构建细节见 CMakeLists.txt 与 tools/ 下的各后端脚本),项目主入口与全局对象声明见 sunone_aimbot_2/sunone_aimbot_2.h。
📝 写在最后
sunone_aimbot_2 的架构思路非常清晰:截屏、推理、瞄准、输出四条流水线互不阻塞,一切参数可热更新。无论是想用预编译版快速上手,还是想读懂它如何把 AI 检测、Kalman 滤波与硬件鼠标桥接拼装成一条低延迟链路,这份解析都希望能帮你少走弯路。