- Created AI_PROJECT_SUMMARY.md for quick understanding of project structure, data flow, key interfaces, and verification points. - Added key modules and data flow overview for automated participation in Douyin Fudai lottery. - Introduced a JSON schema example for configuration and provided quick validation steps. - Updated coordinate constants in coords.py for various cropping areas related to Fudai details, ensuring centralized management of coordinates. - Generated a new actions log file for tracking actions performed by the application.
72 lines
3.8 KiB
Markdown
72 lines
3.8 KiB
Markdown
# 项目(AI 友好)摘要 — 抖音福袋挂机
|
||
|
||
此文件为面向 AI 助手的精简技术摘要,便于快速理解项目结构、数据流、关键接口与运行验证要点。
|
||
|
||
## 一句概述
|
||
- 自动在抖音直播间检测并参与福袋抽奖;基于 ADB 截图、像素检测、模板匹配和 OCR(EasyOCR/PaddleOCR)实现决策与操作。
|
||
|
||
## 关键模块(短列表)
|
||
- `run_cli.py`:CLI 入口,解析参数并启动 `fudai_analyse.fudai_choujiang()`。
|
||
- `douyin/core/douyin_fudai.py`(`fudai_analyse`):主调度器(Mixin 组合)。
|
||
- `douyin/fudai/douyin_fudai_core.py`:福袋详情解析、并行 OCR、筛选与参与决策。
|
||
- `Underlying_Operations.py`:底层设备操作、截图、裁剪、OCR 封装与回退策略。
|
||
- `douyin/detection/`:像素检测与模板匹配(阶段诊断)。
|
||
- `douyin/reservation/`:高价值预约与回退处理。
|
||
- `path_config.py`:统一路径获取(避免硬编码)。
|
||
|
||
## 数据流(精简)
|
||
1. ADB截图 → 保存 `pic/screenshot.png`(原子替换)
|
||
2. 裁剪目标区域(`cut_pic`)→ 交给 OCR(`analyse_pic_word`/`analyse_pic_digits`)
|
||
3. OCR 文本 → 文本解析(倒计时/价值/人数)
|
||
4. 筛选决策(`basic_join_decision`)→ 点击操作(`operation.click`)或预约记录(`state/reservations.json`)
|
||
|
||
示意(ASCII):
|
||
|
||
SCREENSHOT -> CUT_PIC -> OCR -> PARSE -> DECIDE -> ACTION
|
||
↓ ↓
|
||
PIXEL_DETECT STATE
|
||
|
||
## AI 需要的简洁接口清单(签名 + 单行说明)
|
||
- `fudai_analyse.fudai_choujiang(device_id: str, y_pianyi: int, needswitch: bool, wait_minutes: int)` — 启动主循环。
|
||
- `fudai_analyse.run_once_basic()` — 单次循环(用于快速验证)。
|
||
- `get_fudai_contain(analyser) -> (content, countdown_text, participants, task_count, prize_value_yuan)` — 并行 OCR 获取福袋详情。
|
||
- `basic_join_decision(analyser, detail) -> bool` — 根据配置决策是否参与。
|
||
- `underlying_operations.get_screenshot(device_id) -> bool` — 获取并写入 `pic/screenshot.png`(原子替换)。
|
||
- `underlying_operations.cut_pic(left, top, right, bottom, name)` — 裁剪并保存子图用于 OCR。
|
||
- `underlying_operations.analyse_pic_word(picname) -> str` — 对裁剪图运行 OCR 并返回文本。
|
||
|
||
## 配置(快速 JSON schema 示例)
|
||
```json
|
||
{
|
||
"$schema": "http://json-schema.org/draft-07/schema#",
|
||
"type": "object",
|
||
"properties": {
|
||
"needswitch": {"type":"boolean"},
|
||
"min_prize_value_yuan": {"type":"number","minimum":0},
|
||
"high_value_fudai_threshold_yuan": {"type":"number","minimum":0},
|
||
"debug_captures": {"type":"object"}
|
||
},
|
||
"required": ["needswitch"]
|
||
}
|
||
```
|
||
|
||
## 快速验证(AI 可执行的最小步骤)
|
||
1. 在连接设备的情况下,运行单次循环以生成截图并保存裁剪图:
|
||
|
||
```bash
|
||
python run_cli.py --device-id <DEVICE_ID> --wait-minutes 0
|
||
```
|
||
|
||
2. 检查 `pic/` 下的 `screenshot.png` 与裁剪图 (`pic/cut_*`),验证 `福袋价值` 裁剪区域是否为新坐标 (639,1466)-(769,1586)(已在代码中更新)。
|
||
|
||
## 变更与可检索点
|
||
- 已修改:`douyin/fudai/douyin_fudai_core.py` 中 `value_box` 裁剪坐标改为 `(639, 1466, 769, 1586)`。
|
||
- 文档新增:本 AI 摘要(此文件)与 `docs/完整技术文档.md` 的扩充。
|
||
|
||
## 推荐 AI 使用模式
|
||
- 若需解释函数,先调用 `semantic search` 在仓库内检索函数定义,然后读取对应文件段落(`path_config.py`、`Underlying_Operations.py`、`douyin/fudai/douyin_fudai_core.py`)。
|
||
- 对于 OCR/图像问题,优先让 AI 输出裁剪后的样例截图坐标与 OCR 文本样例,再定位 `analyse_pic_word` 的调用点。
|
||
|
||
---
|
||
|
||
文件生成于 2026-01-02,用于 AI 与开发者的快速对接;如需我将该内容合并回 `docs/完整技术文档.md` 的特定位置,我可以继续做这一步。 |