新闻详情

新闻详情

首页 / 资讯中心 / 详情

Botty图形调试器实战:F10模式下蓝圈、红圈与0.9评分到底怎么看?

发布时间:2026/11/15 7:39:01来源:尧图网络
Botty图形调试器实战:F10模式下蓝圈、红圈与0.9评分到底怎么看?
Botty图形调试器实战F10模式下蓝圈、红圈与0.9评分到底怎么看【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/bottyBotty 是一款面向《暗黑破坏神2重制版》(D2R) 的开源像素机器人而它的图形调试器Graphic Debugger是新手自检环境的第一步工具。只需按下默认的F10 键你就能在一个半透明的调试窗口里亲眼看到 Botty 是如何看屏幕的蓝圈代表模板匹配成功红圈代表它准备拾取的地面物品而控制台输出的0.9 评分则是判断你的图形设置是否达标的黄金标准。本文将带你完整走一遍 F10 调试模式三分钟看懂所有圈子和评分。准备工作1分钟配置好调试环境图形调试器本质上是在校验两件事你的屏幕颜色/亮度设置和物品识别管线是否正常。所以动手前先确认检查项要求游戏语言必须为英文游戏分辨率720p 窗口模式720p图形设置建议先按F9让 Botty 自动调整 D2R 设置干扰程序关闭 HDR、GeForce Experience 等会自动改亮度的工具启动流程很简单运行main.exe或从源码启动 Botty把焦点切到 D2R 窗口然后按 F9auto_settings_key→ 让 Botty 自动修正游戏画面设置按 F10graphic_debugger_key→ 开启图形调试器会弹出一个几乎全黑的调试窗口开始一局游戏把角色走到第五幕A5城镇在地上丢几件不同类型白色、蓝色、黄色、绿色的物品做测试。快捷键的默认值定义在 config/params.ini 的[advanced_options]段中graphic_debugger_keyf10可以改成任意键位。F10 的绑定逻辑在 src/main.py 中它会在你按下时停止游戏控制并启动调试窗口。蓝圈怎么看A5 城镇模板匹配是否成功进入 A5 城镇后调试窗口里应该出现几个蓝色圆圈旁边印有模板名称如A5_TOWN_0、A5_TOWN_1同时控制台会打印每个模板的匹配评分。这些蓝圈来自 src/utils/graphic_debugger.py 中的旧版调试循环它逐帧抓取游戏画面用A5_TOWN_0到A5_TOWN_3四张模板图做模板匹配凡是匹配成功的模板就在命中点画一个蓝圈。判断标准✅ 蓝圈稳稳落在城镇固定元素上传送门、雕像、墙壁等且控制台持续打印评分 → 模板匹配正常❌ 完全没有蓝圈或蓝圈位置飘忽 → 说明你的画面和模板对不上通常是亮度/对比度被改过或窗口分辨率不是 720p。此时回到 F9 重新自动设置或手动微调游戏内亮度Botty 官方也提示极少数情况下仍需手动调亮度。模板匹配的核心算法在 src/template_finder.py使用 OpenCV 的matchTemplate计算归一化相关系数得分越高说明画面与模板越像。红圈怎么看哪些物品会被 Botty 捡走调试窗口的第二个功能是物品拾取自检把不同颜色的物品丢在地上调试窗口会显示物品名称黑底字样。关键在于红圈的含义如果你丢下的物品按你的 pickit 规则应该被捡走它周围会出现一个红色圆圈。换句话说红圈 Botty 判定这件物品值得捡。对照测试一下丢地上的物品预期表现你 pickit 规则要保留的物品如 SoJ、绿色套装显示名称 红圈垃圾物品低价值白装等显示名称无红圈名称识别错误 / 完全无反应⚠️ 物品识别管线异常拾取判定逻辑最终由 BNIP pickit 表达式驱动入口在 src/item/pickit.py 的should_pickup调用。如果你怀疑某件物品该捡没捡可以顺手检查 config/default.bnip 或config/nip下的自定义.nip文件。0.9 评分怎么读达标线在这里控制台会为每一个会被拾取的物品打印评分Score这是基于模板匹配与文字识别置信度的综合得分取值范围 0~1。黄金标准评分应明显高于 0.9官方原文是 well above 0.9。0.95左右 → 非常健康可以放心挂机0.85~0.9→ 临界值建议微调游戏亮度后复测 0.8→ 不合格大概率是画面设置被改动、字体渲染模糊或分辨率不对。注意区分两个阈值别混淆物品评分 ≥ 0.9调试窗口里人工判读是否达标的参考线模板搜索阈值 0.65~0.68代码中search()的默认threshold见 src/template_finder.py是机器判定找到/没找到的门槛与 0.9 不是一回事。进阶图层创建模式Layer Creator默认情况下 F10 打开的是上面的旧版调试器。如果你在 config/params.ini 的[advanced_options]里把graphic_debugger_layer_creator设为1F10 会打开一个带HSV 滑条的图形界面见 src/utils/graphic_debugger.py拖动 H/S/V 上下限滑条实时过滤游戏画面中的特定颜色区域把当前颜色范围命名为图层layer加入 Active Layers适合想自定义颜色过滤规则比如新版本的 UI 变色的高级用户。对新手来说用默认的0即可先确保蓝圈 红圈 0.9 评分三关全过。常见问题速查现象可能原因解决黑窗口里什么都没有未进入游戏内 / 窗口未聚焦确认 D2R 是 720p 窗口且已进 A5 城镇无蓝圈亮度/分辨率不对按 F9 自动设置后重测物品无名称显示物品文字识别失败检查游戏内字体设置、关闭字体缩放该捡的物品没红圈pickit 规则不匹配检查 config/default.bnip 表达式评分长期卡在 0.8x外部程序改了画面排查 HDR / 显卡覆盖软件调试完成后再按一次F10即可关闭调试窗口按F11恢复机器人正常挂机。图形调试器不是玄学工具——蓝圈看模板、红圈看拾取、0.9 看达标三关通过你的 Botty 才真正具备了稳定刷宝的条件。【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/botty创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉