level 1
KIKOERTVI
楼主
AI与游戏：一场无声的对谈
研究背景：
近期，我在研究GitHub上的一个微信机器人项目(WeChatBot_WXAUTO_SE)时，发现其功能主要集中于对话交流。然而，作为一名游戏爱好者，我希望它能进一步具备陪伴我进行游戏的能力。因此，我萌生了为该机器人开发直接单独操作游戏的想法。
前言：
在探讨AI与游戏的结合之前，首先需要明确人工智能（Artificial Intelligence，简称AI）的定义。根据官方解释，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新兴技术科学。作为计算机科学的一个重要分支，AI旨在揭示智能的本质，并创造出能像人类一样做出反应的智能机器。基于此，我初步构想了如下实现框架：识别——分析——操作。
让AI学习游戏机制与操作（以《王者荣耀》为例）要使AI掌握游戏机制与操作，可通过向其输入大量比赛回放录像及相关游戏机制文档进行训练。在此过程中，一个关键问题是：应选择云端方案还是本地方案？ 多数人可能倾向于云端方案，认为本地算力难以满足需求。起初我也持相同观点，但后续产生了新的疑虑（详见下文），因此这一问题仍有待深入探讨。
识别环节
在AI熟悉游戏规则后，首要任务是使其能够“看到”游戏画面。为此，我计划采用微软推出的OmniParser进行屏幕识别。这也引出了第一步中提到的部署方式问题：若采用云端方案，则无法避免“网络延迟”这一影响游戏体验的关键因素。具体而言，本地识别程序在解析游戏画面后，需将数据通过网络传输至云端AI模型进行分析与决策。假设游戏本身延迟为40ms，数据传输至AI的延迟为90ms，则总延迟高达130ms。在这样的延迟下，游戏角色可能早已处于不利状态，从而导致该功能失去意义。这正是我对此方案产生疑问的主要原因。
3.操作环节
在完成以上环节后，接下来就要进入最重要的环节了：解析操作包让AI控制游戏。这里我想采用的是GitHub上的一个开源项目PyAutoGUI，然后对按键进行赋值并根据AI传回的解析包进行对应的操作，
这样就可以对游戏进行操作，但是这里又出现一个新问题（详见下文）
4.反作弊
众所周知，腾讯的反作弊是非常的严，甚至不顾及用户感受直接将反作弊软件（ACE）装在用户电脑里开机自启动。那么什么是ACE呢？官方给出的解释是：ACE反作弊是腾讯开发的一种游戏安全解决方案，旨在防止作弊行为，保护游戏的公平性和玩家的安全。它主要是通过对内存、硬盘、以及对外设的扫描来实现的硬件反作弊（硬件方面）通过对游戏进程监控、对游戏角色的行为分析、加固以及对游戏实时数据进行极为复杂的加密（甚至每一个数据包的加密方法都不一样），所以AI运行进程如何不触发ACE？这又是一个比较复杂的问题；所以我打算使用PC模拟器为测试环境，因为如果用移动端那一定会用到USB调试功能，那么就绝对会被ACE查到，所以该想法直接PASS！那么在PC端会不会出现这种情况呢？我的想法是：应该不会，因为整个过程应该没有对游戏进程内存数据进行读取和修改，但是我不确定会不会被ACE查到，这就是我要用“应该”的原因。
5.适配
如果不对它进行适配那么它根本就不知道发生了什么，那么对话就会变成如下图一样
*图 1
对此我的想法是：将对局进行录制、总结并且通过API发送给聊天bot，这样它就知道发生什么了。但是我翻遍原项目所有代码并没发现对外的API，所以要对原项目的代码进行些许修改和添加，使它用有对外的API接口。
问题总结：
应选择云端方案还是本地方案？
如果选用云端方案如何处理高延迟问题？
AI对游戏操作问题？
AI运行进程如何不触发ACE？
如何进行适配？
API接口，录制、总结问题？
最后万分感谢给位大佬能阅读我这篇充满“问题”的文章，由于本人学习大模型时间并不长，所以如果文章中有“弱智”问题请各位大佬手下留情，也诚邀各位大佬给我一些建议，万分感谢！！！！
2026年01月11日 07点01分
1
研究背景：
近期，我在研究GitHub上的一个微信机器人项目(WeChatBot_WXAUTO_SE)时，发现其功能主要集中于对话交流。然而，作为一名游戏爱好者，我希望它能进一步具备陪伴我进行游戏的能力。因此，我萌生了为该机器人开发直接单独操作游戏的想法。
前言：
在探讨AI与游戏的结合之前，首先需要明确人工智能（Artificial Intelligence，简称AI）的定义。根据官方解释，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新兴技术科学。作为计算机科学的一个重要分支，AI旨在揭示智能的本质，并创造出能像人类一样做出反应的智能机器。基于此，我初步构想了如下实现框架：识别——分析——操作。
让AI学习游戏机制与操作（以《王者荣耀》为例）要使AI掌握游戏机制与操作，可通过向其输入大量比赛回放录像及相关游戏机制文档进行训练。在此过程中，一个关键问题是：应选择云端方案还是本地方案？ 多数人可能倾向于云端方案，认为本地算力难以满足需求。起初我也持相同观点，但后续产生了新的疑虑（详见下文），因此这一问题仍有待深入探讨。
识别环节
在AI熟悉游戏规则后，首要任务是使其能够“看到”游戏画面。为此，我计划采用微软推出的OmniParser进行屏幕识别。这也引出了第一步中提到的部署方式问题：若采用云端方案，则无法避免“网络延迟”这一影响游戏体验的关键因素。具体而言，本地识别程序在解析游戏画面后，需将数据通过网络传输至云端AI模型进行分析与决策。假设游戏本身延迟为40ms，数据传输至AI的延迟为90ms，则总延迟高达130ms。在这样的延迟下，游戏角色可能早已处于不利状态，从而导致该功能失去意义。这正是我对此方案产生疑问的主要原因。
3.操作环节
在完成以上环节后，接下来就要进入最重要的环节了：解析操作包让AI控制游戏。这里我想采用的是GitHub上的一个开源项目PyAutoGUI，然后对按键进行赋值并根据AI传回的解析包进行对应的操作，
这样就可以对游戏进行操作，但是这里又出现一个新问题（详见下文）
4.反作弊
众所周知，腾讯的反作弊是非常的严，甚至不顾及用户感受直接将反作弊软件（ACE）装在用户电脑里开机自启动。那么什么是ACE呢？官方给出的解释是：ACE反作弊是腾讯开发的一种游戏安全解决方案，旨在防止作弊行为，保护游戏的公平性和玩家的安全。它主要是通过对内存、硬盘、以及对外设的扫描来实现的硬件反作弊（硬件方面）通过对游戏进程监控、对游戏角色的行为分析、加固以及对游戏实时数据进行极为复杂的加密（甚至每一个数据包的加密方法都不一样），所以AI运行进程如何不触发ACE？这又是一个比较复杂的问题；所以我打算使用PC模拟器为测试环境，因为如果用移动端那一定会用到USB调试功能，那么就绝对会被ACE查到，所以该想法直接PASS！那么在PC端会不会出现这种情况呢？我的想法是：应该不会，因为整个过程应该没有对游戏进程内存数据进行读取和修改，但是我不确定会不会被ACE查到，这就是我要用“应该”的原因。
5.适配
如果不对它进行适配那么它根本就不知道发生了什么，那么对话就会变成如下图一样
*图 1
对此我的想法是：将对局进行录制、总结并且通过API发送给聊天bot，这样它就知道发生什么了。但是我翻遍原项目所有代码并没发现对外的API，所以要对原项目的代码进行些许修改和添加，使它用有对外的API接口。
问题总结：
应选择云端方案还是本地方案？
如果选用云端方案如何处理高延迟问题？
AI对游戏操作问题？
AI运行进程如何不触发ACE？
如何进行适配？
API接口，录制、总结问题？
最后万分感谢给位大佬能阅读我这篇充满“问题”的文章，由于本人学习大模型时间并不长，所以如果文章中有“弱智”问题请各位大佬手下留情，也诚邀各位大佬给我一些建议，万分感谢！！！！