FGO-py:打造你的Fate/Grand Order自动化助手
作为一名热衷于Fate/Grand Order(命运-冠位指定)的开发者,我深知重复刷本、管理体力的枯燥。FGO-py正是为解决这些痛点而生——一个开源的游戏辅助工具,让我们把时间花在策略思考而非机械操作上。本文将带你从项目概览到实际应用,全方位掌握这个强大工具的使用方法。
概览项目架构
FGO-py采用模块化设计,核心功能围绕游戏自动化操作展开。整个项目就像一个精密的钟表,各组件协同工作,实现从设备连接到任务执行的全流程自动化。
FGO-py的图形化操作界面,展示了任务调度与日志监控功能
项目主要包含以下几部分:
- 核心运行模块:负责解析游戏画面、执行操作指令
- 配置系统:管理游戏策略和自动化参数
- 设备连接层:支持多种设备接入方式
- 用户界面:提供图形化和命令行两种操作方式
解析核心组件
设备交互层
这是FGO-py与游戏设备通信的桥梁,支持Android模拟器和物理设备连接。作为开发者,我特别欣赏它对多种连接方式的支持,无论是通过ADB(Android调试桥)还是网络连接,都能稳定工作。
🔍 3分钟快速验证:
# 检查设备连接状态
python fgoDevice.py --list
如果返回设备列表,说明连接成功。常见问题排查:
- 模拟器未开启USB调试模式
- ADB驱动未正确安装
- 网络连接时防火墙阻止了端口
图像识别引擎
游戏自动化的核心在于"看懂"屏幕内容。FGO-py使用模板匹配和OCR(光学字符识别)技术,能识别从菜单按钮到战斗界面的各种元素。
💡 实用技巧:定期更新fgoImage/目录下的图像资源,可以提高识别准确率,特别是在游戏版本更新后。
任务调度系统
这就像你的私人助理,负责安排各项自动化任务。无论是日常清体力、刷活动副本,还是定时抽卡,都能按计划自动执行。
通过命令行界面执行自动化任务的示例
快速上手指南
环境准备
首先克隆项目代码库:
git clone https://gitcode.com/GitHub_Trending/fg/FGO-py
cd FGO-py
安装依赖:
pip install -r requirements.txt
基础配置
项目配置文件采用YAML格式(一种层级式配置格式),位于项目根目录。主要配置项如下:
| 配置项 | 默认值 | 建议值 | 说明 |
|---|---|---|---|
device.adb_path |
adb |
实际ADB路径 | ADB工具路径 |
scheduler.interval |
5 | 3 | 任务检查间隔(秒) |
battle.auto_skill |
false | true | 自动释放技能 |
resource.update_check |
true | false | 开发环境可禁用资源更新 |
💡 多环境配置策略:创建config_dev.yaml和config_prod.yaml,通过启动参数--config指定使用哪个配置文件。
首次运行
启动图形界面:
python fgoGui.py
或命令行模式:
python fgoCli.py
> connect 127.0.0.1:5555 # 连接设备
> teamup load default # 加载队伍配置
> main # 开始主线任务
⚠️ 注意事项:首次运行前需确保游戏已登录并处于主界面,否则可能导致自动化流程异常。
核心功能体验
自动战斗
FGO-py最核心的功能,支持自定义技能释放顺序、宝具使用策略。在fgoTeamup.ini中配置你的队伍策略:
[team1]
name=常规刷图队
servant1=1001 # 从者ID
skill1=1,2,3 # 技能释放顺序
np_first=true # 优先释放宝具
地图导航
系统内置了游戏地图数据,能自动识别当前位置并规划最优路径。
FGO游戏内地图,FGO-py可基于此实现自动导航
进阶学习路径
掌握基础使用后,你可以深入探索这些高级特性:
- 自定义脚本:通过
fgoScript.txt编写复杂战斗逻辑 - AI决策系统:研究
fgoKernel.py中的战斗决策算法 - 多设备管理:修改
fgoDevice.py实现多账号同时操作 - Web界面开发:扩展
fgoWebUI/目录下的前端代码
社区资源导航
- 问题反馈:项目issue系统(请搜索项目仓库的issue页面)
- 脚本分享:社区论坛的"脚本交流"板块
- 更新日志:
doc/versions.md文件记录了各版本新特性 - 开发文档:代码注释包含详细的模块说明
FGO-py不仅是一个工具,更是一个开源社区的智慧结晶。作为使用者,我们可以通过提交issue、贡献代码等方式参与项目改进。希望这篇指南能帮助你开启FGO自动化之旅,让游戏体验更加轻松愉快!
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 StartedRust0185
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 Notebook0112
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。Java03
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


