[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-82090":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":14,"stars7d":17,"stars30d":18,"stars90d":16,"forks30d":16,"starsTrendScore":19,"compositeScore":20,"rankGlobal":10,"rankLanguage":10,"license":21,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":22,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":26,"readmeContent":27,"aiSummary":28,"trendingCount":16,"starSnapshotCount":16,"syncStatus":29,"lastSyncTime":30,"discoverSource":31},82090,"RocoPilot","Makapic\u002FRocoPilot","Makapic","洛克王国世界自动化助手：基于 Interception 驱动级输入，在内核层面模拟键鼠，游戏反作弊无法检测。  基于 OpenCV 模板匹配 + YOLO 精灵检测的游戏自动化工具，专为《洛克王国：世界》设计。支持自动丢球、精灵定位瞄准、巡航抓宠，以及战斗中的自定义应对策略。","",null,"Python",119,19,1,8,0,20,71,10,3.9,"MIT License",false,"main",true,[],"2026-06-12 02:04:23","# RocoPilot — 洛克王国世界自动化助手\n\n> **输入方案**：基于 Interception 驱动级输入，在内核层面模拟键鼠，游戏反作弊无法检测。\n\n基于 OpenCV 模板匹配 + YOLO 精灵检测的游戏自动化工具，专为《洛克王国：世界》设计。支持自动丢球、精灵定位瞄准、巡航抓宠，以及战斗中的自定义应对策略。\n\n---\n\n> 更新日志：[CHANGELOG.md](CHANGELOG.md)\n\n---\n\n## 快速开始（EXE 免安装版）\n\n> 无需安装 Python 或任何依赖，下载即用。\n\n1. **安装 Interception 驱动**（必须，详见下方 [安装 Interception 驱动](#1-安装-interception-驱动)）\n2. 从 [Releases](https:\u002F\u002Fgithub.com\u002FMakapic\u002FRocoPilot\u002Freleases) 页面下载最新的两个分卷文件：\n   - `RocoPilot.part1.zip`\n   - `RocoPilot.part2.zip`\n3. 合并分卷（在下载目录打开终端）：\n   ```cmd\n   copy \u002Fb RocoPilot.part1.zip + RocoPilot.part2.zip RocoPilot.zip\n   ```\n4. 解压 `RocoPilot.zip` 到任意目录\n5. **以管理员身份**运行 `RocoPilot.exe`\n\n> 首次启动模式 3 需生成 SIFT 锚点缓存（约 2-3 分钟），后续启动秒加载。\n\n---\n\n## 运行环境\n\n> 以下为实测可用的环境配置。其他相近版本（如 Windows 10、Python 3.11、CUDA 11.8）通常也能正常运行。\n\n| 项目 | 实测配置 | 说明 |\n|------|---------|------|\n| 操作系统 | Windows 11 Pro 64-bit | Windows 10 亦可；依赖 pywin32，不支持 macOS\u002FLinux |\n| 权限 | **管理员权限** | Interception 驱动加载、截图 API 需要 |\n| Python | 3.12.9（由 uv 管理） | 要求 3.11+，uv 自动下载，无需手动安装 |\n| uv | 0.11.11 | 包管理器和 Python 版本管理器 |\n| GPU | NVIDIA RTX 3060 Laptop | 驱动 581.95，CUDA 12.1；精灵检测和 OCR 需要 |\n| 显存 | 6 GB | YOLO 模型约消耗 1-2 GB，巡航子进程额外占用 |\n| 游戏分辨率 | 1920×1080 | 模板在该分辨率下截图，其他分辨率可自适应缩放 |\n\n---\n\n## 环境安装教程\n\n以下步骤在 **Windows 11 管理员终端** 下操作，其他版本大同小异。\n\n### 1. 安装 Interception 驱动\n\nInterception 是内核级输入驱动，游戏无法感知模拟输入，**必须先装**。\n\n1. 访问 [Interception Releases](https:\u002F\u002Fgithub.com\u002Foblitum\u002FInterception\u002Freleases\u002Ftag\u002Fv1.0.1)\n2. 下载 `Interception.zip` 并解压到任意目录\n3. **以管理员身份**打开终端（`Win+X` → 终端(管理员)），进入解压目录\n4. 运行命令：\n   ```powershell\n   .\\install-interception.exe \u002Finstall\n   ```\n5. 看到 `Success` 提示后，**重启电脑**\n6. 重启后在终端运行以下命令验证：\n   ```powershell\n   sc query interception\n   ```\n   状态显示 `RUNNING` 即安装成功\n\n### 2. 安装 uv（Python 包管理器）\n\nuv 会自动下载和管理 Python，**无需手动安装 Python**。\n\n以**普通用户身份**打开终端：\n\n```powershell\npowershell -ExecutionPolicy ByPass -c \"irm https:\u002F\u002Fastral.sh\u002Fuv\u002Finstall.ps1 | iex\"\n```\n\n安装完成后**关闭并重新打开终端**，验证：\n\n```powershell\nuv --version\n```\n\n### 3. 克隆项目并安装依赖\n\n```powershell\n# 克隆到本地\ngit clone https:\u002F\u002Fgithub.com\u002FMakapic\u002FRocoPilot.git\ncd RocoPilot\n```\n\n```powershell\n# 安装基础依赖（约 500 MB）\nuv sync\n```\n\n> uv 会自动创建 `.venv` 虚拟环境并安装所有依赖。基础依赖包括 OpenCV、numpy、mss（截图）、pywin32、interception-python。\n\n### 4. （可选）安装精灵检测依赖\n\n模式 2\u002F3 的 YOLO 精灵定位功能需要额外安装：\n\n```powershell\nuv sync --extra pet\n```\n\n这会安装 `ultralytics`、`torch`、`torchvision`。默认从 SJTU 镜像下载 CUDA 12.1 版 PyTorch，适合国内网络。\n\n> **显卡要求**：NVIDIA 显卡（建议 4 GB 显存以上）。CPU 亦可运行但每帧检测会慢数倍。\n\n### 5. 精灵检测模型\n\n| 文件 | 说明 | 仓库包含 |\n|------|------|----------|\n| `models\u002Fxueren.pt` | 雪人精灵检测模型 | 是（20 MB），可直接使用 |\n| `models\u002Fhuolong.pt` | 火龙精灵检测模型 | 是（20 MB），可直接使用 |\n| `models\u002Fgeli.pt` | 和平鸽 + 菊华梨检测模型 | 是（20 MB），可直接使用 |\n| `yolo26s.pt` | 预训练基础权重，用于训练新模型 | 是（20 MB） |\n\n启动时程序会列出 `models\u002F` 下所有 `.pt` 文件供选择。其他精灵需自行训练（见下方教程）。\n\n### 6. 启动验证\n\n```powershell\nuv run main.py\n```\n\n看到模式选择菜单即环境配置成功。按 `Ctrl+C` 退出。\n\n--。\n\n---\n\n## 运行模式\n\n启动后提供三种模式可选：\n\n| 按键 | 模式 | 说明 |\n|------|------|------|\n| `1` | 自动丢球 | 非战斗状态下检测可丢球画面自动点击 |\n| `2` | 自动抓宠 | YOLO 检测精灵位置 → 自动瞄准 → 丢球；战斗中支持自定义策略 |\n| `3` | 自动巡航 + 抓宠 | 继承模式 2 全部能力，非战斗时启动 SIFT 地图巡航系统 |\n\n> **暂停\u002F继续**：运行时按 `F8` 暂停引擎循环（三种模式均适用），再按 `F8` 恢复。可在 `config.py` 的 `pause_hotkey` 中自定义按键（`keyboard` 库格式，如 `f8`、`pause`、`ctrl+shift+p`）。\n\n### 模式 1：自动丢球\n\n- 仅在游戏窗口前台时触发，避免误操作\n- 检测 `elf_P` \u002F `exchange` 模板匹配分数，达到阈值才点击\n- 适合大量精灵出没时挂机丢球\n\n### 模式 2：自动丢球（精灵定位）\n\n- 使用 YOLO 模型实时检测画面中的精灵位置\n- 透明悬浮窗叠加显示检测框和准星\n- 自动瞄准：按住右键旋转视角将精灵移至画面中心，然后丢球\n- 支持灵敏度自动标定，也支持手动标定（`scripts\u002Fmark_align.py`）\n- 一定时间未检测到精灵自动旋转视角搜索\n- **战斗内行为可配置**：污染战斗和普通战斗分别设置策略\n\n### 模式 3：自动巡航 + 抓宠\n\n- 继承模式 2 的全部战斗和抓宠能力\n- 非战斗时启动独立巡航子进程，在框选区域内蛇形巡航\n- 遇敌时通过标志文件通知巡航暂停，战斗结束后恢复\n- 巡航系统基于 SIFT 特征匹配实现地图定位和路径规划\n\n---\n\n## 战斗内策略\n\n模式 2 和 3 支持在战斗中按污染\u002F普通类型分别配置行为：\n\n| 行为 | 说明 |\n|------|------|\n| 只聚能 | 每 1 秒按 `X` 聚能 |\n| 逃跑 | 按 `ESC` → 识别并点击\"是\"按钮 |\n| 释放技能1后聚能 | 先按 `1` 释放技能，后续按 `X` 聚能 |\n| 不操作 | 不进行任何键鼠操作 |\n\n配置自动保存到 `user_prefs.json`，下次启动无需重新设置。\n\n### 其他自动化\n\n- **同行自动确认**：非战斗状态下检测到队友重新同行请求时自动按 `F`\n- **污染精灵日志**：每场污染战斗记录精灵名称到 `logs\u002Fpollute_log.csv`（需 EasyOCR，否则记录为\"未知\"）\n\n---\n\n## 精灵检测模型训练\n\n仓库提供 **xueren（雪人）、huolong（火龙）、geli（和平鸽+菊华梨）** 的预训练模型。如需检测其他精灵，按以下流程自行训练。\n\n### 数据准备\n\n首先需要收集精灵的截图素材，有两种方式：\n\n**A. 模板贴图（合成训练，快速上手）**\n\n将精灵的透明 PNG 素材放入 `templates\u002Fpets\u002F`，脚本会自动提取轮廓并贴到游戏背景上生成训练数据。适合精灵外观清晰、背景简单的场景。\n\n**B. 真实截图标注（精度更高）**\n\n1. 在游戏中截取大量包含目标精灵的画面，放入 `datasets\u002F\u003C精灵名>\u002F`\n2. 运行标注工具：\n   ```powershell\n   uv run python scripts\u002Flabel_tool.py datasets\u002F\u003C精灵名>\n   ```\n   | 操作 | 按键 |\n   |------|------|\n   | 鼠标拖拽 | 画框 |\n   | `0`-`9` | 选择类别 |\n   | `W` | 确认当前框 |\n   | `S` | 保存标签 |\n   | `A` \u002F `D` | 上一张 \u002F 下一张 |\n   | `Del` | 删除最后一个框 |\n   | `Q` | 退出 |\n\n3. 标注结果保存为 YOLO 格式：`datasets\u002F\u003C精灵名>\u002Fimages\u002F`（图片）+ `datasets\u002F\u003C精灵名>\u002Flabels\u002F`（标签 `.txt`）\n\n### 训练\n\n```powershell\n# 训练火龙模型（从已有 huolong.pt 继续微调，扩充数据后使用）\nuv run python scripts\u002Ftrain_huolong.py\n\n# 训练雪人模型（从已有 xueren.pt 继续微调）\nuv run python scripts\u002Ftrain_xueren.py\n\n# 训练 geli 双物种模型（从 yolo26s.pt 预训练权重开始）\nuv run python scripts\u002Ftrain_geli.py\n```\n\n训练完成后模型自动复制到 `models\u002F\u003C精灵名>.pt`，启动 main.py 时即可选择。\n\n> 如需训练其他精灵，可复制 `train_huolong.py` 并修改其中的数据集路径和模型名。\n\n### 实时检测测试\n\n训练完成后可在游戏中实时预览检测效果：\n\n```powershell\nuv run python scripts\u002Fdetect_xueren.py    # 测试雪人模型\nuv run python scripts\u002Fdetect_huolong.py   # 测试火龙模型\nuv run python scripts\u002Fdetect_geli.py      # 测试 geli 模型（和平鸽+菊华梨）\n```\n\n会弹出透明悬浮窗，在游戏画面上叠加检测框，用于验证模型效果。\n\n---\n\n## 注意事项\n\n- **分辨率**：推荐 1920×1080。脚本支持自适应缩放，阈值已下调至 0.4 以兼容其他分辨率。\n- **自定义适配**：若分辨率特殊导致识别异常，可在当前分辨率下重新截图覆盖 `templates\u002F` 中的同名文件。\n- **窗口状态**：游戏窗口**不能最小化**（可被遮挡但不能最小化）。\n- **前台要求**：键盘输入需游戏窗口在前台；鼠标点击需目标位置未被遮挡。\n- **巡航模式**：模式 3 启动时会弹出独立悬浮窗，需框选小地图区域完成初始化。**首次运行需生成 SIFT 地图锚点缓存（约 2-3 分钟，取决于 CPU 性能），后续启动秒加载。**\n\n---\n\n## 项目结构\n\n```\n├── main.py              # 入口，模式选择和窗口选择\n├── config.py            # 全局配置（阈值、ROI、模板名等）\n├── core\u002F                # 核心引擎\n│   ├── engine.py        # 主循环，战斗状态机\n│   ├── capture.py       # 游戏窗口截图\n│   ├── vision.py        # OpenCV 模板匹配\n│   ├── input.py         # Interception 键鼠模拟\n│   ├── window.py        # 窗口查找和枚举\n│   ├── pet_detector.py  # YOLO 精灵检测\n│   └── ...\n├── modes\u002F               # 运行模式（策略模式）\n│   ├── base.py          # 抽象基类\n│   ├── ball.py          # 模式 1：自动丢球\n│   ├── ball_pet.py      # 模式 2：精灵定位丢球\n│   └── ball_cruise.py   # 模式 3：巡航 + 抓宠\n├── cruise_capture\u002F      # 巡航路径规划与状态机\n├── luoke_location_src\u002F  # SIFT 地图定位系统\n├── scripts\u002F             # 训练\u002F标注\u002F标定工具\n├── templates\u002F           # 模板匹配图片（按分辨率缩放）\n├── models\u002F              # YOLO 模型文件（.pt）\n└── datasets\u002F            # 训练数据集\n```\n\n---\n\n## 免责声明\n\n1. **仅供学习参考**：本工具仅用于计算机视觉（OpenCV 模板匹配、SIFT 特征跟踪、YOLO 目标检测）及输入模拟技术的研究与交流。\n2. **驱动风险**：本工具使用 Interception 内核级驱动模拟键鼠输入，该驱动以管理员权限运行在系统内核层。请从 [Interception 官方仓库](https:\u002F\u002Fgithub.com\u002Foblitum\u002FInterception) 下载，使用非官方来源的驱动文件可能存在安全风险。\n3. **账号风险**：使用自动化脚本可能违反《洛克王国：世界》用户协议，存在被警告、限制或永久封禁的风险。**由此产生的一切后果由使用者本人承担。**\n4. **技术边界**：本工具不修改游戏内存、不篡改网络封包、不注入游戏进程。所有操作均基于截屏 → 图像分析 → 模拟外设输入的技术路径，与人类观察屏幕后操作键鼠的行为等价。\n5. **无担保责任**：本软件按\"现状\"提供，不提供任何明示或暗示的担保。作者不对因使用或无法使用本工具造成的任何直接或间接损失（包括但不限于账号封禁、数据丢失、硬件损坏）承担责任。\n\n---\n\n## 致谢\n\n本项目基于以下开源项目二次开发：\n\n- [yorusacri\u002FAuto-rocokingdom](https:\u002F\u002Fgithub.com\u002Fyorusacri\u002FAuto-rocokingdom) — 原始自动化框架，提供了模板匹配引擎和战斗状态机的核心思路\n- [761696148\u002FGame-Map-Tracker](https:\u002F\u002Fgithub.com\u002F761696148\u002FGame-Map-Tracker) — SIFT 地图定位追踪方案，用于巡航模式的位置感知\n- [oblitum\u002FInterception](https:\u002F\u002Fgithub.com\u002Foblitum\u002FInterception) — 内核级输入驱动\n","RocoPilot 是一款专为《洛克王国：世界》设计的游戏自动化助手，基于 Interception 驱动级输入和 OpenCV 模板匹配 + YOLO 精灵检测技术。它能够在内核层面模拟键鼠操作，绕过游戏反作弊检测，支持自动丢球、精灵定位瞄准、巡航抓宠等功能，并允许用户在战斗中自定义应对策略。此工具特别适合那些希望提高游戏中效率的玩家使用，尤其是在需要频繁执行重复任务时。项目采用 Python 编写，开源并遵循 MIT 许可证，提供 EXE 免安装版本，方便用户快速上手。",2,"2026-06-11 04:07:42","CREATED_QUERY"]