【免费下载】 雀魂自动化AI SDK 使用教程
2026-02-04 05:12:18作者:何举烈Damon
1. 项目目录结构及介绍
majsoul_wrapper/
├── docs/
│ └── img/
├── proto/
├── .gitignore
├── LICENSE
├── README.md
├── __init__.py
├── __main__.py
├── addons.py
├── liqi.py
├── sdk.py
└── ws_dump.pkl
目录结构说明
- docs/: 存放项目文档和图片资源。
- proto/: 存放雀魂游戏的Protobuf协议文件。
- .gitignore: Git忽略文件配置。
- LICENSE: 项目许可证文件。
- README.md: 项目介绍和使用说明。
- init.py: 模块初始化文件。
- main.py: 项目主入口文件。
- addons.py: 用于mitmproxy的插件文件。
- liqi.py: 用于解析雀魂websocket数据的工具。
- sdk.py: 提供更高层次的抽象,用于实现雀魂AI的回调函数。
- ws_dump.pkl: websocket消息流的样例文件。
2. 项目启动文件介绍
__main__.py
__main__.py 是项目的启动文件,负责初始化和启动mitmproxy进程。通过该文件,可以启动mitmproxy并开始抓取雀魂游戏的websocket数据。
启动命令
python3 -m majsoul_wrapper
sdk.py
sdk.py 提供了更高层次的抽象,用于实现雀魂AI的回调函数。通过该文件,可以解析websocket数据并触发相应的AI动作。
使用示例
python3 sdk.py --dump FILE
python3 sdk.py --load FILE
3. 项目的配置文件介绍
addons.py
addons.py 是mitmproxy的插件文件,用于抓取雀魂游戏的websocket数据。该文件配置了mitmproxy的行为,包括如何处理websocket数据流。
主要功能
- 抓取websocket数据: 通过mitmproxy截获雀魂游戏的websocket数据。
- 缓存数据: 将抓取到的websocket数据缓存到本地文件中。
liqi.py
liqi.py 用于解析雀魂websocket数据的工具。该文件通过反解析liqi proto,将websocket二进制数据解码为Json与Dict可解释对象。
主要功能
- 解析websocket数据: 将websocket二进制数据解析为可读的Json格式。
- 缓存数据: 将解析后的数据缓存到本地文件中。
sdk.py
sdk.py 提供了更高层次的抽象,用于实现雀魂AI的回调函数。该文件定义了一系列回调函数,用于处理不同的游戏事件。
主要功能
- 回调函数: 定义了多个回调函数,用于处理游戏中的不同事件,如出牌、吃碰杠等。
- 数据解析: 解析websocket数据并触发相应的回调函数。
通过以上配置文件和启动文件,可以实现雀魂游戏的自动化AI功能。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220