MaaAssistantArknightsMAA完整上手指南用图像识别一键跑完明日方舟日常【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/MaaAssistantArknightsMaaAssistantArknights通常简称 MAA是一款开源的明日方舟自动化助手核心思路是“看屏幕玩游戏”通过截图识别游戏界面中的按钮、文字和图标再通过 ADB 或本地控制驱动客户端完成作战、基建换班、公招、领奖等重复操作。它主要解决的不是游戏本身的问题而是每天固定花十几分钟清日常这件事适合想省时间的玩家、想在服务器上用命令行跑自动化的开发者以及想学习“图像识别 任务编排”落地实现的工程师。先判断它是否适合你的场景在装之前花两分钟确认环境能避开后面大部分坑场景是否适合Windows 10/11 模拟器跑日常适合WPF 桌面端是维护最完整的形态Linux/macOS 服务器定时跑日常适合走 maa-cli 命令行方案需要读取游戏内存、高频刷取不适合MAA 是纯图像识别路线不注入进程Windows 7/8 或 32 位系统不支持运行库要求 Windows 10 以上国际服/日服/韩服/繁中服玩家可用但功能覆盖和测试不如官服完整需自行体验另外注意一个边界MAA 的图形界面GUI目前只覆盖 Windows 和 macOSLinux 上要用功能请直接用 maa-cli。核心能力拆解能力一图像识别决定“现在在哪个界面”MAA 每做一步操作前都会截屏分析。识别层src/MaaCore/Vision/按能力拆成了几个可组合的模块Matcher模板匹配在屏幕里找已知图片比如“开始行动”按钮OCRer / RegionOCRer文字识别用于读出关卡名、材料数量、公招结果这类动态文本FeatureMatcher特征点匹配用于模板容易因皮肤、特效变化而失配的场景BestMatcher / MultiMatcher多候选取最优提高命中率。它不关心按钮长什么样只关心“这个界面元素还在不在”。以战斗界面为例只要“开始行动”按钮出现在画面中就可以触发点击颜色、字体变了都能工作这也是它对游戏小版本更新比较抗造的原因。能力二任务编排把日常拆成可勾选的流水线界面识别解决“在哪里”任务层解决“做什么”。日常流程被拆成一串独立任务开始唤醒、自动公招、基建换班、剿灭作战、理智作战、信用收支、领取奖励勾选后一键执行src/MaaCore/Task/。每个任务本身是一个带状态机的小单元有识别、动作、重试、子任务等生命周期方法。任务之间的流转关系不写死在代码里而是由 JSON 配置文件描述每个任务节点声明识别算法模板匹配 / OCR / 特征匹配、命中后的动作点击 / 滑动 / 输入、以及下一步候选任务列表。这意味着新增一个流程很多时候是改配置而不是改代码。基建换班是编排能力的一个典型体现MAA 会读取基建界面里的干员与设施信息按效率计算单设施内的最优排班也支持玩家写自定义排班方案覆盖默认策略。能力三数据工具与自动抄作业除了“代跑”MAA 还做了一批识别-导出的数据工具干员识别扫描干员列表统计拥有/缺失干员与潜能结果还会反哺到公招识别里仓库识别读出养成材料数量导出到刷图规划、工具箱等第三方站点做养成规划公招识别识别公招结果并自动上传统计高星结果支持人工确认自动抄作业导入maa://形式的作业 URI 或本地 JSONMAA 会自动编队、部署干员、跑完战斗src/MaaCore/Task/Fight/。从 0 到 1 跑起来桌面端Windows / macOS先检查系统Windows 需要 10/11 64 位再确认所用模拟器在支持列表内下载安装包Windows 可以winget install maamacOS 下载 universal 的 dmg也可以从 Releases 下载MAA-版本-win-x64.zip完整包Windows 首次运行前先执行 MAA 目录里的DependencySetup_依赖库安装.bat装 Visual C 运行库这一步是闪退问题的头号来源把模拟器分辨率设为横屏 1280x720 或 1920x1080美服必须 1080p启动 MAA跟随设置指引它会尝试自动检测正在运行的模拟器并填好 ADB 路径与连接地址勾选左侧任务、确认右侧日志正常滚动点开始。命令行maa-cli无图形界面的服务器环境走 CLI安装后核心命令只有几个maa install/maa update安装和更新 MaaCore 及资源maa init交互式初始化配置maa fight 1-7跑指定关卡maa copilot ./xxx.json抄本地作业maa roguelike Phantom等跑集成战略等预设任务。从源码构建开发者向克隆仓库git clone https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights后构建统一走 CMakeCMakePresets.json里预置了 VS、Makefile 等工具链配置。核心工程在src/MaaCore/依赖 OpenCV 与 ONNX Runtimetools/目录下还带了依赖安装脚本。架构里最值得理解的几个点核心与外壳彻底分离。所有识别、决策、控制逻辑都在 C20 写的 MaaCore 里Windows WPF、macOS、maa-cli、甚至各语言 SDK 都只是“外壳”。外壳坏了不影响核心核心升级外壳无感这也是它能同时支持五种以上语言集成的前提。控制层用抽象隔离了平台差异。src/MaaCore/Controller/里 AdbController 管 Android 设备Win32Controller 管本机窗口Minitouch/Maatouch 负责高效的触控注入上层任务只面向统一的截图/点击/滑动接口。想接新平台时新增一个 Controller 即可任务代码零改动。行为数据与程序分离。游戏界面模板、OCR 配置、任务流程全部放在独立的数据资源里启动时自动检查更新、热加载生效。游戏客户端更新导致按钮换了位置往往更新资源文件就能恢复不用等工具发新版。接口按 FFI 分层。最底层是 C 接口Python、Java、Rust、Golang、Dart 等绑定都封装它。做集成的人只需要关心自己语言的 SDK指针和内存管理都被包掉了。配置、扩展和接入边界改流程任务流转由resource/tasks下的 JSON 描述字段包括识别算法、动作、next候选任务、重试次数等社区有 VS Code 插件辅助编写。适合想加“自动做某件小事”的进阶用户。抄作业与保全派驻作业是带 URI 的 JSON可直接复用社区作业站的内容这是普通玩家最常用的扩展方式。程序化集成各语言 SDK 暴露了创建实例、配置、启动任务、监听回调的接口配合 HTTP 方式可以做成定时任务、Web 控制台之类的东西。边界要注意定时执行、库存保持、拖入压缩包更新这类功能实现在 UI 层maa-cli 或直接调 MaaCore 时不可用需要自己实现外服美/日/韩/繁中的模板与测试覆盖弱于官服遇到问题先在文档的适配教程里确认状态。常见问题与排查思路⚠️ 遇到问题先查文档再提问并且带日志效率差很多。症状先检查什么更新后打不开 / 闪退VC 运行库是否安装安装包是否为完整包win-x64杀毒软件是否误删文件自动检测不到模拟器是否只有一个模拟器在运行、有无其他安卓设备占用 ADB失败则手动填 ADB 路径 连接地址本机模拟器一般是127.0.0.1:端口识别全部失败模拟器分辨率是否 1280x720 / 1920x1080游戏是否切到了 MAA 无法识别的客户端语言界面渲染异常、报错窗口指向 DLL第三方软件如 Nahimic向 MAA 注入了 DLL按 FAQ 里“禁用扩展点”或重命名 DLL 处理需要报 Bug设置 → 问题反馈 → 生成日志压缩包打不开面板时手动打包debug、config、cache目录这里容易卡住的原因是MAA 自定义选项非常多很多“缺功能”其实是没找到比如手动输入关卡名、复选框右键变半选的“仅一次”行为都值得翻一遍新手文档。接下来可以做什么先只勾“理智作战 领取奖励”跑通最小闭环再逐步加任务给理智作战添加 1-2 个候选关卡观察 MAA 如何按库存顺序选关服务器/脚本场景下试一次 maa-cli 的maa initmaa fight想深入的话读docs/zh-cn/protocol/task-schema.md的任务流程协议对照src/MaaCore/Task/的实现理解一个任务节点从识别到动作的完整链路有改动想法可以直接提 PR仓库对图片模板同步、格式化都有工具脚本支持。MAA 的价值在于把“图像识别 任务编排”这套组合拳做成了可配置、可集成、跨平台的成熟形态玩家用它省时间开发者用它的 SDK 搭自己的自动化研究者能在其中看到识别、控制、调度三层分离的完整工程示例。先装起来跑一次一键长草再按上面的路径往深处看是上手它最顺的路径。【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
MaaAssistantArknightsMAA完整上手指南用图像识别一键跑完明日方舟日常【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/MaaAssistantArknightsMaaAssistantArknights通常简称 MAA是一款开源的明日方舟自动化助手核心思路是“看屏幕玩游戏”通过截图识别游戏界面中的按钮、文字和图标再通过 ADB 或本地控制驱动客户端完成作战、基建换班、公招、领奖等重复操作。它主要解决的不是游戏本身的问题而是每天固定花十几分钟清日常这件事适合想省时间的玩家、想在服务器上用命令行跑自动化的开发者以及想学习“图像识别 任务编排”落地实现的工程师。先判断它是否适合你的场景在装之前花两分钟确认环境能避开后面大部分坑场景是否适合Windows 10/11 模拟器跑日常适合WPF 桌面端是维护最完整的形态Linux/macOS 服务器定时跑日常适合走 maa-cli 命令行方案需要读取游戏内存、高频刷取不适合MAA 是纯图像识别路线不注入进程Windows 7/8 或 32 位系统不支持运行库要求 Windows 10 以上国际服/日服/韩服/繁中服玩家可用但功能覆盖和测试不如官服完整需自行体验另外注意一个边界MAA 的图形界面GUI目前只覆盖 Windows 和 macOSLinux 上要用功能请直接用 maa-cli。核心能力拆解能力一图像识别决定“现在在哪个界面”MAA 每做一步操作前都会截屏分析。识别层src/MaaCore/Vision/按能力拆成了几个可组合的模块Matcher模板匹配在屏幕里找已知图片比如“开始行动”按钮OCRer / RegionOCRer文字识别用于读出关卡名、材料数量、公招结果这类动态文本FeatureMatcher特征点匹配用于模板容易因皮肤、特效变化而失配的场景BestMatcher / MultiMatcher多候选取最优提高命中率。它不关心按钮长什么样只关心“这个界面元素还在不在”。以战斗界面为例只要“开始行动”按钮出现在画面中就可以触发点击颜色、字体变了都能工作这也是它对游戏小版本更新比较抗造的原因。能力二任务编排把日常拆成可勾选的流水线界面识别解决“在哪里”任务层解决“做什么”。日常流程被拆成一串独立任务开始唤醒、自动公招、基建换班、剿灭作战、理智作战、信用收支、领取奖励勾选后一键执行src/MaaCore/Task/。每个任务本身是一个带状态机的小单元有识别、动作、重试、子任务等生命周期方法。任务之间的流转关系不写死在代码里而是由 JSON 配置文件描述每个任务节点声明识别算法模板匹配 / OCR / 特征匹配、命中后的动作点击 / 滑动 / 输入、以及下一步候选任务列表。这意味着新增一个流程很多时候是改配置而不是改代码。基建换班是编排能力的一个典型体现MAA 会读取基建界面里的干员与设施信息按效率计算单设施内的最优排班也支持玩家写自定义排班方案覆盖默认策略。能力三数据工具与自动抄作业除了“代跑”MAA 还做了一批识别-导出的数据工具干员识别扫描干员列表统计拥有/缺失干员与潜能结果还会反哺到公招识别里仓库识别读出养成材料数量导出到刷图规划、工具箱等第三方站点做养成规划公招识别识别公招结果并自动上传统计高星结果支持人工确认自动抄作业导入maa://形式的作业 URI 或本地 JSONMAA 会自动编队、部署干员、跑完战斗src/MaaCore/Task/Fight/。从 0 到 1 跑起来桌面端Windows / macOS先检查系统Windows 需要 10/11 64 位再确认所用模拟器在支持列表内下载安装包Windows 可以winget install maamacOS 下载 universal 的 dmg也可以从 Releases 下载MAA-版本-win-x64.zip完整包Windows 首次运行前先执行 MAA 目录里的DependencySetup_依赖库安装.bat装 Visual C 运行库这一步是闪退问题的头号来源把模拟器分辨率设为横屏 1280x720 或 1920x1080美服必须 1080p启动 MAA跟随设置指引它会尝试自动检测正在运行的模拟器并填好 ADB 路径与连接地址勾选左侧任务、确认右侧日志正常滚动点开始。命令行maa-cli无图形界面的服务器环境走 CLI安装后核心命令只有几个maa install/maa update安装和更新 MaaCore 及资源maa init交互式初始化配置maa fight 1-7跑指定关卡maa copilot ./xxx.json抄本地作业maa roguelike Phantom等跑集成战略等预设任务。从源码构建开发者向克隆仓库git clone https://gitcode.com/GitHub_Trending/ma/MaaAssistantArknights后构建统一走 CMakeCMakePresets.json里预置了 VS、Makefile 等工具链配置。核心工程在src/MaaCore/依赖 OpenCV 与 ONNX Runtimetools/目录下还带了依赖安装脚本。架构里最值得理解的几个点核心与外壳彻底分离。所有识别、决策、控制逻辑都在 C20 写的 MaaCore 里Windows WPF、macOS、maa-cli、甚至各语言 SDK 都只是“外壳”。外壳坏了不影响核心核心升级外壳无感这也是它能同时支持五种以上语言集成的前提。控制层用抽象隔离了平台差异。src/MaaCore/Controller/里 AdbController 管 Android 设备Win32Controller 管本机窗口Minitouch/Maatouch 负责高效的触控注入上层任务只面向统一的截图/点击/滑动接口。想接新平台时新增一个 Controller 即可任务代码零改动。行为数据与程序分离。游戏界面模板、OCR 配置、任务流程全部放在独立的数据资源里启动时自动检查更新、热加载生效。游戏客户端更新导致按钮换了位置往往更新资源文件就能恢复不用等工具发新版。接口按 FFI 分层。最底层是 C 接口Python、Java、Rust、Golang、Dart 等绑定都封装它。做集成的人只需要关心自己语言的 SDK指针和内存管理都被包掉了。配置、扩展和接入边界改流程任务流转由resource/tasks下的 JSON 描述字段包括识别算法、动作、next候选任务、重试次数等社区有 VS Code 插件辅助编写。适合想加“自动做某件小事”的进阶用户。抄作业与保全派驻作业是带 URI 的 JSON可直接复用社区作业站的内容这是普通玩家最常用的扩展方式。程序化集成各语言 SDK 暴露了创建实例、配置、启动任务、监听回调的接口配合 HTTP 方式可以做成定时任务、Web 控制台之类的东西。边界要注意定时执行、库存保持、拖入压缩包更新这类功能实现在 UI 层maa-cli 或直接调 MaaCore 时不可用需要自己实现外服美/日/韩/繁中的模板与测试覆盖弱于官服遇到问题先在文档的适配教程里确认状态。常见问题与排查思路⚠️ 遇到问题先查文档再提问并且带日志效率差很多。症状先检查什么更新后打不开 / 闪退VC 运行库是否安装安装包是否为完整包win-x64杀毒软件是否误删文件自动检测不到模拟器是否只有一个模拟器在运行、有无其他安卓设备占用 ADB失败则手动填 ADB 路径 连接地址本机模拟器一般是127.0.0.1:端口识别全部失败模拟器分辨率是否 1280x720 / 1920x1080游戏是否切到了 MAA 无法识别的客户端语言界面渲染异常、报错窗口指向 DLL第三方软件如 Nahimic向 MAA 注入了 DLL按 FAQ 里“禁用扩展点”或重命名 DLL 处理需要报 Bug设置 → 问题反馈 → 生成日志压缩包打不开面板时手动打包debug、config、cache目录这里容易卡住的原因是MAA 自定义选项非常多很多“缺功能”其实是没找到比如手动输入关卡名、复选框右键变半选的“仅一次”行为都值得翻一遍新手文档。接下来可以做什么先只勾“理智作战 领取奖励”跑通最小闭环再逐步加任务给理智作战添加 1-2 个候选关卡观察 MAA 如何按库存顺序选关服务器/脚本场景下试一次 maa-cli 的maa initmaa fight想深入的话读docs/zh-cn/protocol/task-schema.md的任务流程协议对照src/MaaCore/Task/的实现理解一个任务节点从识别到动作的完整链路有改动想法可以直接提 PR仓库对图片模板同步、格式化都有工具脚本支持。MAA 的价值在于把“图像识别 任务编排”这套组合拳做成了可配置、可集成、跨平台的成熟形态玩家用它省时间开发者用它的 SDK 搭自己的自动化研究者能在其中看到识别、控制、调度三层分离的完整工程示例。先装起来跑一次一键长草再按上面的路径往深处看是上手它最顺的路径。【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
