Botty：暗黑2重制版像素级AI自动化刷宝的完整技术指南

Botty：暗黑2重制版像素级AI自动化刷宝的完整技术指南

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

Botty是一款专为《暗黑破坏神II：重制版》设计的开源AI自动化工具，通过先进的计算机视觉技术和智能路径规划系统，实现了游戏内全自动刷宝操作。这款工具采用像素级图像识别、动态路径导航和多职业战斗策略，为玩家提供高效、可靠的自动化解决方案。

核心关键词：暗黑2重制版自动化、Botty像素级识别、D2R智能刷宝、游戏AI辅助、多职业支持
长尾关键词：暗黑2自动刷装备、Botty路径规划、图像识别技术、OCR物品识别、智能拾取系统、职业战斗策略、图形调试工具、BNIP物品过滤

技术架构深度剖析：Botty如何实现像素级精准操作

计算机视觉引擎：从屏幕像素到游戏理解

Botty的核心视觉识别系统位于src/d2r_image模块，采用多层级的图像处理管道。系统首先通过screen.py模块捕获游戏画面，然后使用OpenCV进行实时分析，最终通过模板匹配算法识别游戏界面元素。

视觉识别流程表： | 处理层级 | 技术实现 | 精度指标 | 应用场景 | |---------|---------|---------|---------| | 屏幕捕获 | Windows API截屏 | 720p@30fps | 实时游戏画面获取 | | 模板匹配 | OpenCV matchTemplate | 阈值≥0.68 | NPC、物品、界面识别 | | OCR识别 | Tesseract LSTM引擎 | 字符准确率>95% | 物品属性文字读取 | | 颜色分析 | HSV色彩空间转换 | 像素级精度 | 生命值/法力值检测 |

Botty图形调试界面：左侧代码控制右侧游戏画面，红色箭头展示像素坐标与游戏元素的精确对应关系

智能路径导航系统：动态适应随机地图

Botty的路径规划系统是其最复杂的技术组件之一。src/pather.py中的Pather类管理着超过700个预定义节点，每个节点包含多个参考模板的相对坐标。这种设计使Botty能够适应暗黑2的随机地图生成机制。

# 路径节点配置示例（src/pather.py） self._nodes = { 0: {'A5_TOWN_0': (27, 249), 'A5_TOWN_1': (-92, -137)}, 1: {'A5_TOWN_0': (-311, 191), 'A5_TOWN_1': (-429, -194)}, 100: {'PINDLE_7': (384, -92), 'PINDLE_0': (-97, -40)} }

路径规划系统的工作原理：

1. 模板匹配定位：使用template_finder.py匹配场景特征点
2. 相对坐标计算：基于匹配结果计算节点绝对位置
3. 动态路径调整：根据实时障碍物调整移动路线
4. 多路线备选：为每个场景提供多条可行路径

Botty路径规划图：复杂的节点网络和路径线展示了AI在随机地图中的导航逻辑，红色路径为"回家"循环，绿色为基础布局，蓝色为快速跳转

多职业战斗框架：专业化的自动化策略

Botty通过src/char目录下的模块化设计，为不同职业提供定制化战斗逻辑。每个职业类都继承自IChar基类，实现标准化的技能管理和战斗接口。

职业支持矩阵： | 职业类型 | 核心技能管理 | 战斗策略 | 适用场景 | |---------|-------------|---------|---------| | 法师系 |sorceress.py及子类 | 元素伤害切换、法力管理 | 奥术遗迹、古代通道 | | 圣骑士 |paladin.py及子类 | 光环切换、近战优化 | 混沌避难所、崔凡克 | | 刺客 |trapsin.py| 陷阱布置、爆发时机 | 尼拉塞克、督军山克 | | 死灵法师 |necro.py| 召唤物管理、诅咒施放 | 牛场、混沌避难所 | | 野蛮人 |barbarian.py| 战吼频率控制、跳跃攻击 | 崔凡克、世界之石 |

实战应用场景：Botty在不同刷宝路线的表现

混沌避难所（Chaos Sanctuary）自动化流程

Botty的src/run/diablo.py模块专门处理混沌避难所的复杂流程。系统通过_sealdance()方法实现封印激活顺序的智能判断，确保在最安全的情况下开启封印。

混沌避难所执行流程：

1. 入口识别：使用_entrance_hall()定位入口位置
2. 路径导航：通过_river_of_flames()移动到混沌避难所
3. 封印检测：利用_layoutcheck()识别封印布局类型
4. BOSS战斗：调用职业特定的kill_vizier()、kill_deseis()等方法
5. 暗黑破坏神战斗：执行kill_diablo()战斗序列

Botty在混沌避难所的布局检测：系统能够识别不同封印配置并相应调整战斗策略

奥术遗迹（Arcane Sanctuary）智能探索

奥术遗迹的复杂迷宫结构对自动化提出了极高要求。Botty通过src/run/arcane.py中的_find_summoner()方法，结合预定义的路径模板，能够高效定位召唤者位置。

奥术遗迹探索优化：

• 模板匹配：使用assets/templates/arcane/中的场景模板
• 路径回溯：当遇到死胡同时自动返回关键节点
• 召唤者定位：通过特征点识别快速找到目标
• 宝箱开启：可选的open_chests参数控制宝箱拾取

Botty对奥术遗迹的3D地形建模：确保在复杂建筑结构中也能精准导航，提高召唤者定位效率

尼拉塞克（Nihlathak）安全刷取策略

尼拉塞克副本因其爆炸尸体机制而极具危险性。Botty的src/run/nihlathak.py实现了多重安全措施：

# 尼拉塞克战斗安全策略 def battle(self, do_pre_buff: bool) -> bool | tuple[Location, bool]: # 1. 安全距离检测 safe_distance = self._check_safe_distance() # 2. 尸体爆炸预防 if self._detect_corpse_explosion(): self.char.move_to_safe_position() # 3. 冷免疫检测 if self._detect_cold_immune(): self._adjust_attack_pattern() # 4. 战斗执行 return self.char.kill_nihlathak(end_nodes)

Botty在尼拉塞克副本中的场景识别：能够处理复杂的地下城环境和危险机制，确保安全高效的刷取

崔凡克（Travincal）议会成员清理

src/run/trav.py模块专门优化了崔凡克的战斗流程。系统通过target_detect.py中的目标检测算法，实时识别议会成员位置，并采用扇形攻击模式最大化伤害覆盖。

崔凡克优化特性：

• 目标优先级：优先攻击治疗型议会成员
• 位置优化：利用地形阻挡减少受到的伤害
• 技能循环：根据职业特性优化技能释放顺序
• 拾取策略：战斗后自动收集战利品

性能优化与配置调优指南

图像识别精度优化

Botty的识别精度直接影响到自动化效率。通过调整config/params.ini中的相关参数，可以显著提升性能：

; 图像识别优化参数 [advanced_options] template_threshold = 0.68 ; 模板匹配阈值，降低可提高识别速度但可能误判 ocr_confidence = 0.85 ; OCR置信度阈值 hud_mask_enabled = 1 ; 启用HUD遮罩，减少界面干扰 color_tolerance = 15 ; 颜色匹配容差

路径规划性能调优

路径规划是Botty最耗时的操作之一。通过以下优化可以显著减少导航时间：

1. 节点缓存：启用node_caching = 1缓存已识别节点位置
2. 路径预计算：使用precompute_paths = 1预计算常用路线
3. 移动优化：调整move_delay参数减少不必要的停顿
4. 传送优化：根据FCR（快速施法率）调整casting_frames

战斗策略参数配置

不同职业和装备配置需要不同的战斗参数。以下是圣骑士的优化示例：

[hammerdin] concentration = f2 ; 专注光环热键 blessed_hammer = left ; 祝福之锤绑定左键 atk_len_trav = 3.5 ; 崔凡克攻击时长 atk_len_cs_trashmobs = 2.0 ; 混沌避难所小怪攻击时长 cta_available = 1 ; 启用战争召唤预buff safer_routines = 0 ; 标准模式（硬核玩家可设为1）

物品拾取与过滤系统

Botty NIP（BNIP）系统提供了强大的物品过滤功能。通过config/nip/目录下的.nip文件，可以精确控制拾取逻辑：

; 高级物品过滤规则示例 [ItemFilter] ; 只拾取高级符文 KeepItem = [type]rune && [level] >= 24 ; 特定独特物品 KeepItem = [idname] == thestoneofjordan KeepItem = [idname] == shako && [quality] == unique ; 属性过滤（毒伤直接读取原始值） KeepItem = [type] == charm && [poisonmindam] >= 100 ; 抗性过滤（支持[allres]标签） KeepItem = [type] == amulet && [quality] == rare && [allres] >= 15

系统集成与扩展开发

模块化架构设计

Botty采用高度模块化的架构，便于功能扩展和定制开发：

src/ ├── d2r_image/ # 图像处理核心 │ ├── processing.py # 物品识别处理 │ ├── ocr.py # 文字识别引擎 │ └── data_models.py # 数据模型定义 ├── char/ # 职业实现 │ ├── i_char.py # 职业接口 │ ├── sorceress.py # 法师实现 │ └── paladin.py # 圣骑士实现 ├── run/ # 刷宝路线 │ ├── trav.py # 崔凡克路线 │ ├── diablo.py # 混沌避难所 │ └── arcane.py # 奥术遗迹 └── inventory/ # 背包管理 ├── personal.py # 个人背包 ├── stash.py # 仓库管理 └── vendor.py # 商店交互

图形调试与开发工具

Botty内置了强大的调试工具src/utils/graphic_debugger.py，开发者可以实时查看识别结果和调试信息：

1. 实时可视化：按F10启动调试模式
2. 模板匹配显示：蓝色圆圈标识识别到的模板
3. 物品识别调试：红色圆圈标记应拾取物品
4. 路径节点显示：绿色数字显示当前路径节点

Botty调试截图：显示崔凡克区域的路径节点和识别结果，绿色数字为节点编号，蓝色为识别到的模板

性能监控与日志系统

Botty通过src/logger.py和src/game_stats.py提供完整的性能监控：

# 游戏统计示例 game_stats = GameStats() game_stats.log_item_keep(item_name, send_message=True, img=screenshot) game_stats.log_death(death_screenshot) game_stats.log_start_game() # 记录游戏开始时间 game_stats.log_end_game(failed=False) # 记录游戏结束状态

关键性能指标：

• 平均游戏时间：通过get_current_game_length()计算
• 连续失败次数：get_consecutive_runs_failed()监控
• 物品拾取统计：记录有价值物品的获取频率
• 死亡/小鸡事件：通过death_manager.py和health_manager.py监控

未来发展方向与技术演进

深度学习集成计划

Botty团队计划引入深度学习模型来提升复杂场景下的识别准确率：

1. CNN图像分类：用于更精确的物品类型识别
2. RNN序列处理：优化OCR的文字识别流程
3. 强化学习路径规划：基于历史数据优化移动策略
4. 异常检测模型：自动识别游戏异常状态

云端配置与同步

计划开发配置云同步功能，支持：

• 多设备配置同步：在不同电脑间无缝切换设置
• 社区配置共享：分享优化的职业配置和路线参数
• 自动更新模板：云端更新地图模板和识别数据
• 性能数据分析：收集匿名使用数据优化算法

扩展游戏支持

在完善D2R支持的基础上，Botty架构可扩展支持：

• 其他ARPG游戏：相似的图像识别和路径规划逻辑
• 跨平台适配：支持更多操作系统和游戏版本
• 插件系统：允许社区开发自定义模块
• API接口：提供外部程序控制接口

智能策略学习系统

通过记录成功操作数据，Botty可进化出个性化策略：

• 玩家行为学习：记录高效玩家的操作模式
• 场景适应优化：根据不同地图特征调整策略
• 装备搭配建议：基于拾取历史推荐装备组合
• 路线动态调整：根据当前效率自动优化刷宝路线

Botty代表了游戏自动化技术的新范式：不再是简单的按键模拟，而是基于计算机视觉、路径规划和人工智能决策的完整系统。无论是想要提高刷宝效率的普通玩家，还是对游戏自动化技术感兴趣的开源开发者，Botty都提供了一个优秀的技术实践平台。通过持续的技术创新和社区贡献，Botty正在重新定义暗黑2重制版的自动化体验。

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