ArknightsAutoHelper 明日方舟自动化辅助脚本使用教程
2026-02-06 04:25:01作者:庞眉杨Will
ArknightsAutoHelper 是一个基于 Python 和 ADB 的明日方舟自动化辅助脚本,能够帮助玩家自动完成游戏中的重复性任务,如刷图、使用理智药、识别掉落物品等。
环境准备
系统要求
- 操作系统:Windows(建议 Windows 10 1607 及以上版本)
- 分辨率:建议高度 1080 或以上,宽高比不小于 16:9
- 需要安装 ADB 工具并正确连接模拟器
安装方式
二进制包安装(推荐)
从项目发布页面下载二进制包启动器,首次运行时会自动下载最新代码和运行环境。
源代码安装
git clone https://gitcode.com/gh_mirrors/ar/ArknightsAutoHelper
cd ArknightsAutoHelper
pip install -r requirements.txt
主要功能
自动刷图功能
脚本支持两种刷图模式:
快速刷图模式:在当前关卡界面直接开始刷图
python3 akhelper.py quick 99 # 刷当前关卡99次
python3 akhelper.py quick -r # 刷到理智不足自动停止
自动选关模式:从主界面开始自动选择指定关卡
python3 akhelper.py auto 5-1 2 5-2 3 # 按顺序刷5-1关卡2次,5-2关卡3次
理智管理
- 自动使用理智药回复理智(+r参数)
- 支持使用源石回复理智(+R参数)
- 智能识别当前理智和关卡消耗
公开招募识别
python3 akhelper.py recruit # 自动识别公开招募标签
任务奖励领取
python3 akhelper.py collect # 自动领取每日和每周任务奖励
基建管理
python3 akhelper.py riic collect # 收取制造站和贸易站
python3 akhelper.py riic shift <房间> <干员> # 干员换班
进阶功能
刷图计划制定
通过 arkplanner 命令可以创建智能刷图计划:
- 输入需要的材料数量和类型
- 自动获取当前库存材料
- 生成最优刷图方案并保存到 config/plan.json
- 使用
auto plan执行刷图计划
自定义操作记录
脚本支持录制和回放自定义操作序列:
通过编写 Python 脚本可以创建复杂的操作流程:
from Arknights.helper import ArknightsHelper
helper = ArknightsHelper()
helper.replay_custom_record('get_credit') # 回放收信用点操作
配置说明
配置文件位于 config/config.yaml,主要配置项包括:
- ADB 连接设置
- 模拟器特定参数
- 日志记录配置
- OCR 识别设置
日志文件保存在 log 目录下,采用 CSV 格式便于分析。
常见问题解答
分辨率适配问题
脚本支持多种分辨率(1280x720、1440x720、1920x1080、2160x1080等),建议使用高度不低于1080的分辨率以获得最佳识别效果。
ADB 连接问题
确保 adb devices 能够正确列出目标模拟器。不同模拟器可能需要特殊的 ADB 配置:
- MuMu、BlueStacks:需要自行启动 ADB server
- 夜神模拟器:注意版本冲突问题
- MuMu 星云引擎:不支持 ADB 接口
识别精度问题
如果遇到识别错误,可以:
- 检查游戏画面是否清晰
- 调整截图区域的 ROI 大小
- 修改匹配相似度阈值
开发与扩展
项目采用模块化设计,开发者可以:
- 阅读 scripting_example.pyi 了解脚本编写方法
- 查看 Arknights 模块中的辅助类
- 使用 create_custom_record 方法创建新的操作流程
- 参与项目开发,提交 Pull Request
注意事项
- 请合理使用自动化功能,遵守游戏规则
- 脚本仅供学习和研究使用
- 遇到问题可以查看日志文件 ArknightsAutoHelper.log
- 建议在稳定的网络环境下运行
通过本教程,您应该能够快速上手使用 ArknightsAutoHelper 来提高游戏效率。记得定期更新脚本以获取最新功能和改进。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0192- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
热门内容推荐
最新内容推荐
pi-mono自定义工具开发实战指南:从入门到精通3个实时风控价值:Flink CDC+ClickHouse在金融反欺诈的实时监测指南Docling 实用指南:从核心功能到配置实践自动化票务处理系统在高并发抢票场景中的技术实现:从手动抢购痛点到智能化解决方案OpenCore Legacy Patcher显卡驱动适配指南:让老Mac焕发新生7个维度掌握Avalonia:跨平台UI框架从入门到架构师Warp框架安装部署解决方案:从环境诊断到容器化实战指南突破移动瓶颈:kkFileView的5层适配架构与全场景实战指南革新智能交互:xiaozhi-esp32如何实现百元级AI对话机器人如何打造专属AI服务器?本地部署大模型的全流程实战指南
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
601
4.04 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
Ascend Extension for PyTorch
Python
441
531
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
170
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.46 K
823
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++
922
770
暂无简介
Dart
846
204
React Native鸿蒙化仓库
JavaScript
321
375
openGauss kernel ~ openGauss is an open source relational database management system
C++
174
249
