Botty：暗黑破坏神II重制版像素级自动化系统的技术架构深度解析

Botty：暗黑破坏神II重制版像素级自动化系统的技术架构深度解析

【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/botty

Botty是一个专为《暗黑破坏神II：重制版》设计的像素级自动化脚本系统，通过计算机视觉、路径规划和智能决策算法实现游戏内任务的自动化执行。该项目采用模块化架构设计，结合了图像识别、状态机和实时控制技术，为玩家提供高效的游戏自动化解决方案。

技术架构深度解析：从像素到智能决策

Botty的核心架构建立在多层抽象之上，实现了从底层图像处理到高层游戏逻辑的完整技术栈。系统采用Python作为主要开发语言，结合OpenCV进行图像处理，通过多线程机制实现实时监控与响应。

图像识别引擎与坐标系统

Botty的图像识别系统基于模板匹配技术，通过预定义的图像模板在游戏画面中进行定位。系统支持多种坐标系统的转换，确保在不同显示配置下的精确定位：

• Monitor坐标系：以主显示器左上角为原点
• Screen坐标系：屏幕坐标系，适用于单显示器配置
• Absolute坐标系：以角色脚部为中心的原点系统
• Relative坐标系：相对于模板位置的相对坐标

这种多坐标系设计使得Botty能够适应不同的显示配置和游戏分辨率，确保在各种环境下都能准确识别游戏界面元素。src/d2r_image模块中的图像处理管道负责从原始屏幕截图到游戏对象识别的完整流程。

状态机驱动的游戏逻辑

Botty的核心逻辑由状态机驱动，bot.py作为主控制器管理着游戏状态的转换。系统通过多线程架构实现并发处理：

# 主程序启动三个线程 # 1. 死亡监控线程 (death_manager.py) # 2. 生命值监控线程 (health_manager.py) # 3. 主机器人线程 (bot.py)

当监控线程检测到玩家死亡或需要退出游戏时，主机器人线程会被终止并重新启动。这种设计确保了系统的容错性和稳定性，即使在异常情况下也能自动恢复。

路径规划与导航系统

Botty的路径规划系统是其最复杂的技术组件之一。src/pather.py模块实现了基于节点的导航算法，支持多种游戏场景的自动寻路：

class Location: # A5城镇位置定义 A5_TOWN_START = "a5_town_start" A5_STASH = "a5_stash" A5_WP = "a5_wp" # 安达利尔相关位置 A5_PINDLE_START = "a5_pindle_start" A5_PINDLE_SAFE_DIST = "a5_pindle_safe_dist" A5_PINDLE_END = "a5_pindle_end"

系统为每个游戏区域预定义了关键节点，通过计算最短路径实现高效导航。路径规划算法考虑了地形障碍、怪物分布和游戏机制，确保角色能够安全到达目标位置。

实战应用场景：多职业支持与智能物品管理

Botty支持多种职业配置，包括法师、圣骑士、刺客和野蛮人等，每个职业都有专门的技能管理和战斗策略实现。系统通过配置文件驱动的方式实现高度可定制化。

职业系统架构

src/char目录下的模块实现了职业抽象接口和具体实现：

• IChar接口：定义所有职业的通用行为
• Sorceress类：法师职业实现，支持多种元素专精
• Paladin类：圣骑士职业实现，专注锤子和祝福之锤
• Trapsin类：刺客职业实现，专注于陷阱技能
• Barbarian类：野蛮人职业实现，支持战吼和跳跃攻击

每个职业模块都实现了特定的技能序列、战斗策略和生存机制。例如，法师职业支持多种元素专精配置，包括暴风雪、闪电和冰封球等不同流派。

BNIP智能拾取系统

Botty NIP（BNIP）是基于Njaguar物品解析器的扩展版本，提供了更强大的物品识别和过滤能力。系统通过OCR技术读取物品属性，并根据用户定义的规则进行智能拾取决策：

# BNIP规则示例 [type] == amulet && [quality] == unique # [allres] == 30 [type] == ring && [quality] == unique # [idname] == thestoneofjordan

BNIP系统支持多种物品属性过滤条件，包括物品类型、品质、抗性、伤害值等。系统还提供了毒伤计算的优化，直接读取原始毒伤数值而非计算后的值，提高了识别准确性。

物品管理与宝石合成系统

src/transmute模块实现了自动宝石合成功能，支持从碎裂宝石到完美宝石的完整合成流程。系统根据用户配置自动管理库存空间，优化物品整理策略：

# 宝石合成配置示例 [transmute] stash_destination = 3,2,1,0 transmute = chipped, flawed, standard, flawless transmute_every_x_game = 20

物品管理系统支持多种存储策略，包括优先填满共享仓库、自动整理背包空间、智能出售垃圾物品等功能。

性能调优策略：图形识别优化与系统稳定性

Botty的性能优化主要围绕图形识别准确性和系统稳定性展开。项目提供了多种调试工具和优化策略，帮助用户在不同硬件配置下获得最佳性能。

图形调试器与模板匹配优化

图形调试器是Botty的核心调试工具，通过F10键可以激活调试模式。调试器显示当前检测到的模板匹配结果，帮助用户验证图形设置的准确性：

调试器界面分为三个主要区域：左侧显示代码执行状态，中间显示游戏场景和检测到的模板，右侧显示物品识别详情。这种设计使得开发者能够直观地了解系统的识别过程，快速定位问题。

模板库管理与优化

assets/templates目录包含了大量的游戏界面模板，这些模板按游戏区域和功能进行分类：

• 城镇模板：各个城镇的关键位置标识
• NPC模板：商人、任务NPC的图像模板
• 物品模板：装备、宝石、药水等物品图标
• 技能模板：技能图标和状态标识

模板匹配算法采用多尺度搜索策略，支持不同分辨率和视角下的准确识别。系统还实现了模板缓存机制，减少重复计算的开销。

系统稳定性保障机制

Botty实现了多层错误恢复机制，确保在游戏异常或系统故障时能够自动恢复：

1. 死亡监控：实时检测角色死亡状态，自动重启游戏
2. 生命值监控：根据配置的阈值自动使用药水或退出游戏
3. 游戏超时检测：防止游戏卡死导致系统挂起
4. 自动重启机制：支持游戏客户端崩溃后的自动重启

这些机制通过src/death_manager.py和src/health_manager.py模块实现，与主机器人线程协同工作，提供全面的系统保护。

多场景适配策略：从崔凡克到混沌避难所

Botty支持多种游戏场景的自动化运行，每个场景都有专门的路径规划和战斗策略实现。src/run目录下的模块实现了不同场景的自动化逻辑：

崔凡克运行优化

run/trav.py模块实现了崔凡克场景的完整自动化流程。系统通过预定义的路径节点实现高效导航，结合职业特定的战斗策略清理议会成员：

# 崔凡克路径节点示例 TRAV_0 = "trav_0" TRAV_1 = "trav_1" TRAV_2 = "trav_2"

混沌避难所高级策略

run/diablo.py模块实现了混沌避难所的复杂自动化流程，包括封印开启顺序、怪物清理策略和暗黑破坏神战斗机制。系统支持多种职业配置，目前主要针对锤子圣骑士进行了优化：

# 混沌避难所战斗配置 atk_len_cs_trashmobs = 5 atk_len_diablo_deseis = 8 atk_len_diablo_infector = 8 atk_len_diablo_vizier = 8 atk_len_diablo = 15

奥术遗迹智能寻路

run/arcane.py模块实现了奥术遗迹的自动化探索，系统通过图像识别定位祭坛和平台，优化传送路径以最大化效率：

配置管理与扩展性设计

Botty采用INI格式的配置文件系统，支持多层配置覆盖和模块化设置。config/params.ini文件定义了系统的所有可配置参数，用户可以通过custom.ini文件覆盖默认设置。

配置文件架构

配置文件按功能模块组织，支持继承和覆盖机制：

; 通用配置模块 [general] difficulty = hell name = MyCharacter randomize_runs = 1 ; 路线配置模块 [routes] order = run_trav, run_pindle, run_eldritch ; 角色配置模块 [char] type = sorceress belt_rows = 4 casting_frames = 9

扩展性设计模式

Botty的架构支持多种扩展方式：

1. 新职业实现：继承IChar接口，实现职业特定的技能和战斗逻辑
2. 新场景支持：在src/run目录下创建新的场景模块
3. 自定义物品规则：通过BNIP语法定义复杂的拾取规则
4. UI模板扩展：在assets/templates目录中添加新的图像模板

系统还提供了node_recorder.py工具，帮助开发者录制新的路径节点，简化新场景的集成过程。

开发工作流与测试策略

Botty项目采用严格的开发流程和测试策略，确保代码质量和系统稳定性。test目录包含了完整的测试套件，覆盖了核心功能模块：

自动化测试框架

项目使用pytest作为测试框架，支持单元测试、集成测试和端到端测试：

# 运行所有测试 pytest -s -v # 运行特定测试模块 pytest test/smoke_test.py # 运行特定测试类 pytest test/template_finder_test.py

开发环境配置

开发环境通过conda进行管理，environment.yml文件定义了所有依赖项：

name: botty channels: - conda-forge - defaults dependencies: - python=3.10 - numpy - opencv - keyboard - mss - pyautogui - pynput

持续集成与发布流程

项目采用自动化的构建和发布流程，通过build.py脚本生成可执行文件：

# 构建新版本 python build.py x.x.x # 生成变更日志 git log <PREVIOUS_TAG>..HEAD --oneline --decorate

性能监控与故障排查

Botty提供了多种监控和调试工具，帮助用户优化系统性能和排查问题：

图形设置验证

通过图形调试器模式验证图形设置的准确性。启动Botty后按F10打开调试窗口，进入游戏第五幕，系统应检测到带有蓝色圆圈的模板：

1. 模板匹配验证：确认所有关键模板都能正确识别
2. 物品拾取测试：在地面放置物品，验证识别准确性
3. 坐标系统校准：检查绝对坐标和相对坐标的转换准确性

性能瓶颈分析

系统性能主要受以下因素影响：

1. 图像处理延迟：模板匹配和OCR处理的耗时
2. 路径规划复杂度：复杂场景的寻路计算开销
3. 内存使用：模板缓存和图像缓冲的内存占用
4. CPU利用率：多线程并发处理的CPU负载

通过调整配置参数和优化模板库，可以显著提升系统性能。例如，减少不必要的模板匹配、优化图像处理参数、调整线程优先级等。

常见问题解决方案

1. 识别准确率低：调整游戏亮度、对比度设置，确保模板图像与游戏画面一致
2. 路径规划失败：检查节点定义文件，确保所有关键位置都有对应的模板
3. 物品拾取错误：验证BNIP规则语法，检查OCR训练数据的准确性
4. 系统稳定性问题：调整监控参数，增加错误恢复机制的超时时间

未来发展方向与技术演进

Botty项目在持续演进中，未来的技术发展方向包括：

深度学习集成

计划集成深度学习模型，提升图像识别和物品分类的准确性。通过卷积神经网络（CNN）替代传统的模板匹配算法，提高系统的鲁棒性和适应性。

强化学习优化

探索使用强化学习算法优化路径规划和战斗策略。通过与环境交互学习最优策略，实现更智能的决策制定。

云服务集成

计划提供云端配置管理和数据同步功能，支持多设备间的配置同步和运行状态监控。

社区生态建设

建立插件系统和社区贡献机制，鼓励开发者贡献新的职业实现、场景模块和功能扩展。

Botty作为《暗黑破坏神II：重制版》的自动化解决方案，通过其模块化架构、智能决策系统和丰富的功能特性，为技术爱好者和游戏玩家提供了强大的自动化工具。项目的开源特性和技术深度使其成为学习和研究游戏自动化技术的优秀案例。

【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/botty