魔法工艺自动化项目

一个基于计算机视觉和AI的魔法工艺游戏自动化系统，支持实时检测、法术构建、门选择等核心功能。

📋 目录

• 功能特性
• 环境要求
• 安装步骤
• 配置说明
• 使用方法
• 项目结构
• 常见问题

✨ 功能特性

核心功能

1. 实时检测 (realtime_detect.py)

   • 使用YOLOv5模型实时检测游戏窗口
   • 支持动态调整每个分类的检测阈值
   • 自动瞄准、闪避、攻击等控制功能

2. 法术构建 (spell_construct_flow.py)

   • 智能分析和构建法术配置
   • 自动识别危险法术并避免使用
   • 支持多法杖配置管理

3. 门选择 (door_handler.py)

   • 自动分析门场景
   • 智能选择最优门选项
   • 集成法术分析流程

4. 选项选择 (option_selector.py)

   • 使用OCR和多模态AI识别游戏选项
   • 智能决策选择最优选项

🔧 环境要求

• Python 3.8+
• Windows 10/11（游戏运行环境）
• CUDA支持的GPU（推荐，用于YOLO模型加速）
• 魔法工艺游戏（需要运行在本地）

📦 安装步骤

1. 克隆或下载项目

# 如果使用git
git clone <repository-url>
cd train_MAGIC

2. 创建虚拟环境（推荐）

# 使用venv
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate

3. 安装依赖

pip install -r requirements.txt

4. 配置环境变量

复制 .env.example 文件为 .env：

# Windows PowerShell
Copy-Item .env.example .env

# Windows CMD
copy .env.example .env

# Linux/Mac
cp .env.example .env

然后编辑 .env 文件，填写你的实际配置（见下方配置说明）。

5. 准备YOLO模型文件

你需要准备训练好的YOLO模型文件：

1. 模型权重文件 (.pt 文件)

   • 将模型文件放在项目目录下的 weights/ 文件夹
   • 或修改 .env 中的 MODEL_WEIGHTS_PATH 指向你的模型路径

2. 数据配置文件 (.yaml 文件)

   • 包含类别名称等配置信息
   • 将文件放在项目根目录
   • 或修改 .env 中的 MODEL_DATA_YAML 指向你的配置文件路径

⚙️ 配置说明

环境变量配置 (.env文件)

项目使用 .env 文件管理所有敏感配置。以下是所有可配置项：

API配置

# 阿里云百炼API密钥（用于AI模型调用）
API_KEY=your_api_key_here

# API基础URL
BASE_URL=https://router.shengsuanyun.com/api/v1

模型配置

# 多模态模型（用于图像识别和分析）
MULTIMODAL_MODEL=ali/qwen3-vl-plus

# 文本模型（用于决策和文本分析）
TEXT_MODEL=ali/qwen3-max

# 思考模型（用于复杂推理任务）
THINK_MODEL=deepseek/deepseek-v3.2-think

游戏API端点配置

# 法术API端点（游戏内服务地址）
SPELLS_ENDPOINT=http://localhost:1234/spells

# 商店API端点（游戏内服务地址）
STORE_ENDPOINT=http://localhost:1234/store

YOLO模型配置

# 模型权重文件路径
# 可以使用相对路径（相对于项目根目录）或绝对路径
MODEL_WEIGHTS_PATH=weights/best.pt

# 数据配置文件路径
# 可以使用相对路径（相对于项目根目录）或绝对路径
MODEL_DATA_YAML=data.yaml

获取API密钥

1. 阿里云百炼API

   • 访问 阿里云百炼平台
   • 注册/登录账号
   • 创建API密钥
   • 将密钥填入 .env 文件的 API_KEY

2. 游戏API端点

   • 确保游戏内服务正在运行
   • 默认地址为 http://localhost:1234
   • 如果端口不同，请修改 .env 中的对应配置

🚀 使用方法

实时检测

运行实时检测脚本：

python realtime_detect.py

功能说明：

• 自动检测游戏窗口
• 实时显示检测结果
• 支持按键调整检测阈值
• 自动控制功能（瞄准、闪避、攻击）

按键控制：

• Q - 退出程序
• T - 切换显示模式
• 其他按键根据代码中的配置

法术构建

python spell_construct_flow.py

功能说明：

• 分析当前法术配置
• 智能构建最优法术组合
• 自动识别并避免危险法术

门选择

门选择功能集成在 realtime_detect.py 中，当检测到门时会自动触发。

选项选择

python option_selector.py

功能说明：

• 截取游戏窗口
• 使用OCR识别选项
• AI智能选择最优选项

📁 项目结构

train_MAGIC/
├── .env                    # 环境变量配置（需要自己创建）
├── .env.example           # 环境变量模板
├── requirements.txt       # Python依赖包
├── README.md              # 本文件
│
├── realtime_detect.py     # 实时检测主程序
├── spell_construct_flow.py # 法术构建
├── door_handler.py        # 门处理逻辑
├── option_selector.py     # 选项选择
│
├── get_game_window.py     # 游戏窗口捕获
├── capture_and_analyze.py # 捕获和分析
├── store_auto_flow.py    # 商店自动流程
├── store_purchase_decision.py # 商店购买决策
├── mark_spell_slots.py   # 标记法术槽位
│
├── auto_attack.py         # 自动攻击
├── auto_dodge.py          # 自动闪避
├── control_thread.py      # 控制线程
│
├── omni_models/           # AI模型模块
│   ├── omni.py           # 多模态和文本模型
│   └── think_model.py    # 思考模型
│
├── utils/                 # 工具函数
│   ├── paths.py          # 路径配置
│   └── logger.py         # 日志工具
│
├── weights/              # YOLO模型权重（需要自己准备）
│   └── best.pt
│
├── data.yaml             # YOLO数据配置（需要自己准备）
│
└── *.json                # 各种配置文件
    ├── slots_*.json      # 法术槽位配置
    ├── spell_slot.json   # 法术槽位信息
    └── store_*.json      # 商店缓存文件

❓ 常见问题

1. 找不到游戏窗口

问题： 运行程序时提示"无法找到Magicraft游戏窗口"

解决方案：

• 确保游戏正在运行
• 检查游戏窗口标题是否包含"Magicraft"或"魔法工艺"
• 尝试以管理员权限运行程序

2. 模型文件不存在

问题： 提示"模型文件不存在"

解决方案：

• 检查 .env 文件中的 MODEL_WEIGHTS_PATH 和 MODEL_DATA_YAML 配置
• 确保模型文件路径正确
• 如果使用相对路径，确保文件在项目目录下

3. API调用失败

问题： AI模型调用失败，返回错误

解决方案：

• 检查 .env 文件中的 API_KEY 是否正确
• 确认网络连接正常
• 检查API配额是否用完
• 验证 BASE_URL 是否正确

4. 游戏API端点连接失败

问题： 无法连接到 http://localhost:1234

解决方案：

• steam右键游戏 -> 属性 -> 测试版 输入AIBetaTest1107。 进入游戏后按~呼出控制台，输入aidata_server开启端口
• 确保游戏内服务正在运行
• 检查端口号是否正确（默认1234）
• 如果端口不同，修改 .env 中的 SPELLS_ENDPOINT 和 STORE_ENDPOINT

5. 依赖包安装失败

问题： pip install -r requirements.txt 失败

解决方案：

• 确保Python版本 >= 3.8
• 尝试升级pip: python -m pip install --upgrade pip
• 对于PyTorch，可能需要根据你的CUDA版本安装：

  # CPU版本
  pip install torch --index-url https://download.pytorch.org/whl/cpu
  
  # CUDA版本（根据你的CUDA版本选择）
  pip install torch --index-url https://download.pytorch.org/whl/cu118

6. 检测精度不高

问题： YOLO模型检测结果不准确

解决方案：

• 调整 realtime_detect.py 中各类别的阈值
• 使用训练更好的模型
• 检查游戏窗口是否被正确捕获

🔒 安全提示

• 不要将 .env 文件提交到版本控制系统
• .env 文件包含敏感信息（API密钥等）
• 建议将 .env 添加到 .gitignore

📝 开发说明

添加新的环境变量

1. 在 .env.example 中添加新配置项
2. 在代码中使用 os.getenv('YOUR_VAR', 'default_value') 读取
3. 更新本README的配置说明部分

代码结构

• 核心功能模块：realtime_detect.py, spell_construct_flow.py 等
• AI模型模块：omni_models/ 目录
• 工具函数：utils/ 目录
• 配置文件：JSON格式的配置文件

📄 许可证

[根据实际情况填写]

👥 贡献

欢迎提交Issue和Pull Request！

---

注意： 本项目仅供学习和研究使用，请遵守游戏服务条款。