MaaAssistantArknights 上手指南从图像识别到一键长草的 4 步拆解【免费下载链接】MaaAssistantArknights《明日方舟》小助手全日常一键长草| A one-click tool for the daily tasks of Arknights, supporting all clients.项目地址: https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights每天上线清体力、刷材料、巡访好友、领邮件这套流程重复上百次手比脑子先累。MaaAssistantArknights下称 MAA就是为这类「明日方舟游戏自动化」需求写的你只管点一次开始剩下的截屏、判断、点击由它循环完成。它解决什么问题日常一键化理智作战、访问好友、收取信用、领奖励打包成一次操作跑完即可下线公招全自动自动公招可选加急许可刷完后把数据同步到统计网站基建排班自动计算干员效率并安排换班也支持自定义排班肉鸽 / 保全派驻选一个作业 JSON它按作业自动抄无界面也能跑maa-cli 支持 Windows、Linux、macOS适合挂脚本或无桌面的服务器工作原理一条数据链路把 MAA 的运行过程拉直就是四步循环每一步的输入输出都很清楚。1. 截屏输入目标窗口游戏本体、MuMu/Play 模拟器、Android 设备输出一帧屏幕图像OpenCV 的cv::Mat负责模块src/MaaCore/Controller/。AdbController走 ADB 抓安卓帧Win32Controller抓 Windows 窗口macOS 用MacSCKHelper调 ScreenCaptureKitMumuController、PlayToolsController走各家模拟器接口2. 识别输入这一帧图像 JSON 资源里声明的模板、识别区域输出「当前在哪个界面」「按钮在 (x, y)」这类结构化结果负责模块src/MaaCore/Vision/。Matcher做模板匹配定位图标OCRer/RegionOCRer做文字识别底层由 ONNX Runtime 跑 OCR 模型OnnxHelper负责会话管理FeatureMatcher处理复杂场景的特征点匹配MultiMatcher一次比对多张模板3. 决策输入上一步的结构化结果 任务配置输出下一步动作序列例如「点 (412, 233)等 1 秒」负责模块src/MaaCore/Task/。ProcessTask、InterfaceTask、PackageTask把游戏操作拆成可组合的任务单元各任务通过AbstractTask的插件机制挂上具体逻辑识别配置由 src/MaaCore/Config/ 的ResourceLoader从 JSON 资源读取行为改配置就行不用改代码4. 执行输入动作序列输出真实的点击、滑动、按键事件游戏状态变化后回到第 1 步负责模块仍在 Controller 层。MinitouchController模拟触控事件SwipeHelper处理滑动轨迹ControlScaleProxy在控制器分辨率和真实窗口之间换算坐标模块地图模块职责路径MaaCore核心引擎识别、任务调度、设备控制src/MaaCore/Vision模板匹配、OCR、特征点匹配src/MaaCore/Vision/Controller各平台截屏与触控模拟src/MaaCore/Controller/Task任务单元、插件机制、战斗/基建/肉鸽逻辑src/MaaCore/Task/Config资源加载、OCR 会话、GPU 选择src/MaaCore/Config/MaaWpfGuiWindows 桌面端src/MaaWpfGui/maa-cli命令行入口src/maa-cli/多语言绑定C 接口之上的各语言封装src/Python/、src/Java/、src/Rust/、src/Golang/、src/Dart/include对外 C 头文件AsstCaller、MaaCore 等include/从零跑起来环境依赖CMake ≥ 3.28构建配置集中在 CMakePresets.jsonC20 编译器Windows 用 Visual StudioLinux/macOS 用 NinjaOpenCV 4.x、ONNX Runtime、zlib、Boost——不想自己装的话用仓库自带的依赖工具tools/maadeps-download.py各平台 preset 里的MAADEPS_TRIPLET变量就是给它用的编译 MaaCore配置cmake --preset linux-x64按系统换成windows-x64、macos-arm64等构建cmake --build --preset linux-x64-Release跑起来推荐 CLI路径最短maa install # 安装 MaaCore 与资源 maa init # 交互式初始化配置 maa list # 查看可用任务最小自动化示例开官服客户端、用 3 瓶理智药刷 BB-7、收工——maa startup Official maa fight BB-7 -m 3 maa closedown资源resource/下的任务 JSON 和模板独立于二进制分发游戏更新后跑maa update即可不必重新编译。和同类方案怎么选方案原理与游戏进程的接触界面改动适应性平台覆盖MAA截屏 图像识别 模拟触控零接触纯外部观察强靠配置资源调整代码不动Windows / Linux / macOS / Android内存读取 / 脚本注入类直接读写游戏进程强接触依赖内存结构更新即失效通常单平台本地宏工具固定坐标的点击序列只模拟输入弱窗口移动、UI 变化就点偏单平台云端托管类远程执行整套操作因方案而异强受服务端限制判断依据都在仓库里可查MAA 的 CMake 里没有任何注入类依赖识别行为全部由 JSON 资源驱动见 Config 模块更新适配走的是资源更新而不是改代码。容易踩的坑游戏更新后别急着怀疑代码。模板、OCR 区域这些都在独立资源里先maa update拉新资源真不行再去看日志。日志默认Warn级别排障时设MAA_LOGdebug再跑一次。外服玩家注意功能完整度。美服、日服、韩服、繁中服大部分功能已支持但文档明说「很多功能并没有进行全面的测试」关键功能先手动验证。自动化边界要自己把握。MAA 不修改客户端、不读内存这一点从架构上可验证但高频自动化对账号的长期影响属于使用方式问题参考仓库自带的 terms-of-service.md按自己的风险承受度控制频率。MAA 适合两类人想把手头《明日方舟》日常彻底外包的玩家以及想拿 C20 写一个「截屏→识别→决策→执行」完整闭环做参考的开发者。核心引擎约万行级规模模块边界清晰clone 下来https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights从 Task 模块读起最省力。【免费下载链接】MaaAssistantArknights《明日方舟》小助手全日常一键长草| A one-click tool for the daily tasks of Arknights, supporting all clients.项目地址: https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
