AzurPilot
碧蓝航线小助手，无缝委托科研，全自动大世界 基于 AzurLaneAutoScript 二次修改 感觉用原名不太好 所以改了（ 本质上还是ALAS
我们屁眼通红(Python)真的太有实力了
此分支是雪风源（目前仓库已删库）的 fork 分支 原版雪风源
- 注：之前fork了原版雪风源你可以在这个仓库查看雪风的提交 下面的雪风源也是 fork 版
修改游戏设置
使用前必须对照这个表格修改游戏内的设置，正常玩过游戏的都这么设置。
对着改的意思是，这是统一的标准，照着给定的内容执行，不要问为什么，不允许有不一样的。
主界面 => 右下角：设置 => 左侧边栏：选项
| 设置名称 | 值 |
|---|---|
| 帧数设置 | 60帧 |
| 大型作战设置 - 减少TB引导 | 开 |
| 大型作战设置 - 自律时自动提交道具 | 开 |
| 大型作战设置 - 安全海域默认开启自律 | 关 |
| 剧情自动播放 | 开启 |
| 剧情自动播放速度调整 | 特快 |
| 待机模式设置 - 启用待机模式 | 关 |
| 其他设置 - 重复角色获得提示 | 关 |
| 其他设置 - 快速更换二次确认界面 | 关 |
| 其他设置 - 展示结算角色 | 关 |
大世界 => 右上角：雷达 => 指令模块(order)：潜艇支援：
| 设置名称 | 值 |
|---|---|
| X 消耗时潜艇出击 | 取消勾选 |
主界面 => 右下角：建造 => 左侧边栏： 退役 => 左侧齿轮图标：一键退役设置：
| 设置名称 | 值 |
|---|---|
| 选择优先级1 | R |
| 选择优先级2 | SR |
| 选择优先级3 | N |
| 「拥有」满星的同名舰船时，保留几艘符合退役条件的同名舰船 | 不保留 |
| 「没有」满星的同名舰船时，保留几艘符合退役条件的同名舰船 | 满星所需或不保留 |
将角色设备的装备外观移除，以免影响图像识别
添加了
- 智能调度
- 解除大世界限制
- 对 侵蚀1 的一些功能*
- Lme没合的一些陈旧PR等
- 自动卡吊机BUG
- 舰娘等级识别
- 侵蚀1的一些统计
- 模拟器管理
- 一些奇怪的小东西awa
- 迁移至 Python 3.14
- 更换 OCR 模型 支持 GPU 加速推理
- Alas MCP 服务
多平台启动器说明
启动器项目 https://github.com/wess09/alas-launcher fork于 https://github.com/swordfeng/alas-launcher 进行了部分修改
严格遵守上游许可证延续使用 GPL-3 协议开源
MCP 服务
本地
{
"mcpServers": {
"alas": {
"url": "http://127.0.0.1:22267/mcp/sse"
}
}
}
云服务器或内网
{
"mcpServers": {
"alas": {
"url": "http://[IP_ADDRESS]/mcp/sse"
}
}
}
当前可用的 MCP 工具（共 18 个）：
实例管理
- mcp_alas_list_instances - 列出所有实例
- mcp_alas_get_status - 获取实例状态
- mcp_alas_start_instance - 启动实例
- mcp_alas_stop_instance - 停止实例
任务管理
- mcp_alas_list_tasks - 列出所有任务
- mcp_alas_get_task_help - 获取任务帮助
- mcp_alas_trigger_task - 触发任务
- mcp_alas_get_scheduler_queue - 获取调度队列
- mcp_alas_clear_scheduler_queue - 清空调度队列
监控与信息
- mcp_alas_get_current_running_task - 获取当前运行任务
- mcp_alas_get_resources - 获取资源状态
- mcp_alas_get_config - 获取实例配置
- mcp_alas_get_recent_logs - 获取最近日志
- mcp_alas_get_screenshot - 获取截图
配置管理
- mcp_alas_update_config - 更新配置
维护工具
- mcp_alas_restart_emulator - 重启模拟器
- mcp_alas_restart_adb - 重启 ADB
- mcp_alas_update_alas - 更新 ALAS
*侵蚀1功能：大部分来自下面
部分功能（大部分）来自Zuosizhu(仪表盘等)，guoh064(大世界等)，sui-feng-cb(岛屿等), 雪风源
OCR 模型
感谢 超算互联网 提供算力支持 模型基于 PaddleOCR
V1.0
v1.0 zh-cn&en-us 针对碧蓝航线字体进行训练 zh-cn 准确率 97% 有边缘符号问题 en-us 准确率 98.6% 会出现负号问题 训练信息: 异构加速卡BW 64G NVIDIA Tesla A800 80G 训练时间: 2h
V2.0
v2.0 zh-cn&en-us 针对碧蓝航线字体 + Alas 截图的特殊性进行训练(灰度化) 中文模型相对 v1.0 准确率降低 en-us 准确率 99.8% 几乎没有错误 训练信息: NVIDIA Tesla A800 80G 训练时间: 2h
V2.5
v2.5 zh-cn 修复2.0模型的问题 准确率达到 98.52% 推理速度仅需 10ms 训练信息: 异构加速卡BW 64G NVIDIA Tesla A800 80G 训练时间: 5h
感谢
感谢以下开发者对本项目做出的贡献
感谢以下开发者对启动器项目做出的贡献
感谢某不知名 AI IDE
注：本项目大量使用 AI生成 代码质量极其垃圾 可能存在未知Bug
因为本来是自用来着 没想公开
感谢以下 AI 模型
Gemini 3 Flash
Gemini 3.1Pro
Claude Opus 4.5
Claude Sonnet 4.5
GPT 5.4
GPT 5.3-codex
Qwen 3 Max
DeepSeek v3.2
Kimi K2.5
GLM 4.7