解密Botty：基于计算机视觉的游戏智能体架构深度解析

当传统游戏自动化工具还在依赖内存注入和固定脚本时，Botty项目开创了一条全新的技术路径——通过纯视觉感知构建游戏智能体。这个开源项目不仅实现了《暗黑破坏神2：重制版》的自动化游戏流程，更展示了一种零内存修改、基于像素级图像识别的智能决策系统架构。## 视觉感知层：从像素到语义的游戏状态理解Botty的核心创新在于其视觉感知系统。与直接读取游戏内存的传统方法不同，Botty通过实时屏幕截图

章雍宇

67人浏览 · 2026-05-07 11:13:06

章雍宇 · 2026-05-07 11:13:06 发布

解密Botty：基于计算机视觉的游戏智能体架构深度解析

【免费下载链接】botty D2R Pixel Bot 项目地址: https://gitcode.com/gh_mirrors/bo/botty

当传统游戏自动化工具还在依赖内存注入和固定脚本时，Botty项目开创了一条全新的技术路径——通过纯视觉感知构建游戏智能体。这个开源项目不仅实现了《暗黑破坏神2：重制版》的自动化游戏流程，更展示了一种零内存修改、基于像素级图像识别的智能决策系统架构。

视觉感知层：从像素到语义的游戏状态理解

Botty的核心创新在于其视觉感知系统。与直接读取游戏内存的传统方法不同，Botty通过实时屏幕截图分析游戏状态，实现了真正的"所见即所得"决策机制。这种设计哲学带来了两个关键优势：首先是安全性，完全避免了游戏反作弊系统的检测；其次是通用性，理论上可以应用于任何支持屏幕捕获的游戏环境。

从架构层面看，Botty的视觉感知系统采用分层处理策略。最底层是模板匹配引擎，通过OpenCV实现的图像识别算法，在assets/templates/目录中存储了数百个游戏元素的视觉模板。这些模板覆盖了从NPC对话按钮到地图传送点的各种游戏界面元素，构成了Botty的"视觉词汇表"。

中间层是OCR文本识别模块，基于Tesseract引擎对游戏内文本信息进行提取。项目中的assets/tessdata/目录包含了专门为游戏字体优化的训练数据，确保了对物品名称、属性描述等文本信息的高精度识别。这种双重识别机制——模板匹配用于界面元素定位，OCR用于文本信息提取——形成了完整的游戏状态感知能力。

智能决策引擎：基于状态机的行为规划系统

Botty的决策系统建立在状态机模式之上，每个游戏场景都被建模为有限状态自动机。在src/bot.py的核心Bot类中，我们可以看到清晰的模块化设计：

class Bot:
    def __init__(self, game_stats: GameStats):
        self._pather = Pather()  # 路径规划器
        self._pickit = PickIt()  # 物品拾取决策器
        self._town_manager = TownManager()  # 城镇行为管理器
        
        # 角色能力适配系统
        match Config().char["type"]:
            case "sorceress" | "light_sorc":
                self._char: IChar = LightSorc(...)
            case "hammerdin" | "paladin":
                self._char: IChar = Hammerdin(...)

这种架构设计实现了高度的可扩展性。每个角色职业都继承自IChar接口基类，在src/char/i_char.py中定义了统一的技能调用、移动控制和战斗行为接口。角色特定的实现则分布在src/char/目录下的各个子模块中，形成了清晰的责任分离。

路径规划算法：图论在游戏导航中的应用

Botty的路径规划系统是其技术架构中最精妙的部分。通过分析assets/templates/diablo/diablo_pathing.png中的路径图，我们可以发现这是一个基于图论的导航系统：

路径规划器Pather类在src/pather.py中实现，它将游戏地图抽象为有向图，其中节点代表关键位置点（如传送点、任务目标），边代表可行走的路径。每个节点都有唯一的标识符（如TRAV_19、TRAV_16），系统通过模板匹配实时定位当前节点，然后计算到达目标节点的最优路径。

这种设计有几个技术优势：首先，路径计算复杂度从O(n²)降低到O(E+V log V)，其中E是边数，V是节点数；其次，系统可以动态调整路径权重，基于实时游戏状态（如怪物密度、危险区域）选择安全路径；最后，路径数据与视觉模板分离，便于地图扩展和更新。

物品决策系统：基于规则的智能拾取引擎

Botty的物品拾取决策系统采用了两层过滤机制。第一层是视觉识别，通过template_finder.py模块识别地面物品的图标和位置；第二层是规则评估，通过BNIP（Botty NIP）语法解析器决定是否拾取。

BNIP语法在src/bnip/目录中实现，支持复杂的物品过滤规则：

[type] == amulet && [quality] == unique # [allres] == 30
[type] == ring && [quality] == unique && [idname] == thestoneofjordan

这种基于规则的决策系统允许用户定义精细的拾取策略，从简单的物品类型过滤到复杂的属性组合判断。更重要的是，系统支持运行时规则热更新，用户可以在不重启程序的情况下修改config/目录下的.nip文件，立即生效新的拾取策略。

实时调试与可视化：图形调试器的技术实现

Botty的图形调试器是其开发工具链的核心组件，展示了计算机视觉与游戏交互的完整流程。从assets/docs/graphic_debugger.png中可以看到，调试界面分为三个主要区域：

左侧是代码执行跟踪，显示当前执行的Python函数调用栈和变量状态；中间是游戏场景的实时渲染，叠加了Botty识别的各种元素（红色圆圈标记待拾取物品，绿色标记路径节点）；右侧是游戏状态解析结果，包括物品属性列表和识别置信度。

这种三窗格设计不是简单的界面布局，而是反映了Botty的核心数据流：视觉输入→算法处理→决策输出→动作执行。调试器通过src/utils/graphic_debugger.py实现，它hook了Botty的主要处理流程，将中间状态可视化输出，为算法调优提供了宝贵的数据支持。

配置驱动的行为定制：从硬编码到声明式编程

Botty的配置系统体现了声明式编程的思想。用户不需要修改源代码来调整行为，而是通过config/目录下的INI文件定义运行参数。这种设计带来了几个架构优势：

首先，配置与代码分离，使得行为定制更加安全和便捷。用户可以创建多个配置文件对应不同的游戏策略，快速切换而不影响核心逻辑。其次，配置系统支持继承和覆盖，custom.ini可以只定义需要修改的参数，其他参数从params.ini继承，简化了配置管理。

在技术实现上，配置系统通过src/config.py中的Config类管理，采用单例模式确保全局一致性。配置参数被组织为逻辑分组，如[general]、[routes]、[char]等，每个分组对应特定的功能模块。

扩展性与模块化：插件化架构设计

Botty的模块化架构使其具有出色的扩展性。从代码组织可以看出清晰的关注点分离：

src/run/目录包含各种游戏场景的运行逻辑，如arcane.py、diablo.py、trav.py
src/town/目录处理各个城镇的导航和NPC交互
src/transmute/目录实现物品合成和宝石升级逻辑
src/ui/目录管理游戏界面识别和交互

每个模块都通过定义良好的接口与其他模块通信。例如，所有角色类都必须实现IChar接口，所有场景运行类都有类似的run()方法签名。这种设计使得添加新的游戏场景或角色职业变得相对简单，只需遵循现有模式实现相应接口即可。

实战配置示例：构建个性化游戏策略

基于Botty的技术架构，用户可以通过配置文件构建复杂的游戏策略。以下是一个高级配置示例，展示了如何结合多个技术模块：

[general]
difficulty = hell
name = AdvancedFarmingBot
randomize_runs = 1

[routes]
order = run_trav, run_arcane, run_diablo

[char]
type = hammerdin
belt_rows = 4
casting_frames = 9
cta_available = 1
safer_routines = 1

[hammerdin]
concentration = f1
blessed_hammer = f2

这个配置定义了一个地狱难度的圣骑士角色，采用随机顺序执行崔凡克、神秘避难所和混沌避难所三个场景。safer_routines = 1启用了额外的防御性行为，适合硬核模式玩家。cta_available = 1表示角色拥有战争召唤武器，会在战斗前自动使用战斗命令和战斗体制。