一款专为《星痕共鸣》游戏开发的星痕共鸣模组智能筛选工具，通过网络数据包分析自动获取游戏中的模组数据，并使用 C++优化的算法计算最优模组搭配方案。
- 🔍 实时模组抓取: 通过网络抓包实时获取游戏中的模组数据
- ⚡ 智能筛选算法: 基于 C++优化的多策略并行算法，快速计算最优搭配
- 🎯 精准属性筛选: 支持按属性词条、模组类型进行精确筛选
- 📊 综合评分系统: 为每个推荐搭配计算游戏中的战斗力评分
- 🚀 自动化流程: 一键启动，自动完成整个筛选过程
适合不熟悉编程的用户，开箱即用。
基础要求（CPU 版本和 GPU 版本都需要）：
GPU 版本额外要求：
- NVIDIA 显卡, 且驱动版本 ≥ 571.96（CUDA 路径）
- AMD / Intel 显卡, 支持 OpenCL 的显卡驱动（应该没有不支持的, OPENCL 路径)
⚠️ 重要: .exe 用户必须安装 Npcap 才能正常使用抓包功能！如果您之前使用过 dps 检测工具, 不需要安装⚠️ 重要: 首先尝试 GPU 版本, 若不支持会自动转为 CPU 运算. 若 GPU 性能不如 CPU 可直接使用 CPU 版本
下载步骤：
- 从 Release 页面 下载对应版本：
StarResonanceAutoMod_CPU.exe- CPU 版本StarResonanceAutoMod_CUDA.exe- GPU 版本
- 将文件放置在任意文件夹中
基础使用流程：
- 运行命令提示符(cmd, 终端)
- 导航到 exe 文件所在目录
- 执行基础命令：
.\StarResonanceAutoMod.exe -a - 启动游戏，重新登录并选择角色
- 等待程序自动完成模组分析(程序会自动退出)
# 查看所有可用网络接口
.\StarResonanceAutoMod.exe --list
# 自动选择网络接口（推荐）
.\StarResonanceAutoMod.exe -a
# 筛选包含特定属性的模组, 携带的属性会优先筛选(推荐)
.\StarResonanceAutoMod.exe -a -attr 智力加持 暴击专注 特攻伤害
# 排除不需要的属性, -exattr 后携带的属性筛选优先级会降低
.\StarResonanceAutoMod.exe -a -attr 智力加持 暴击专注 -exattr 施法专注 攻速专注
# 要求包含多个指定属性(谨慎使用, 严格的筛选规则)
.\StarResonanceAutoMod.exe -a -attr 智力加持 特攻伤害 暴击专注 -mc 2
# 启用枚举模式直接运算
.\StarResonanceAutoMod.exe -a -enum
# 启用枚举模式+指定携带属性(推荐, 可以得到指定属性更全的组合)
.\StarResonanceAutoMod.exe -a -enum -attr 智力加持 暴击专注 特攻伤害
# 启用 5 模组计算
.\StarResonanceAutoMod.exe -a -cs 5
# 启用 5 模组计算并指定优先属性
.\StarResonanceAutoMod.exe -a -cs 5 -attr 智力加持 暴击专注 特攻伤害
# 启用 5 模组计算并筛选最终组合
.\StarResonanceAutoMod.exe -a -cs 5 -mas 特攻伤害 20 -mas 智力加持 16
# 最终属性值筛选, 和枚举模式并用, 最终组合特攻伤害 >= 20, 智力加持 >= 16
.\StarResonanceAutoMod.exe -a -enum -attr 智力加持 暴击专注 特攻伤害 -mas 特攻伤害 20 -mas 智力加持 16
# 启用调试模式查看详细信息
.\StarResonanceAutoMod.exe -a --debug程序在抓包解析到模组数据后，会自动在可执行文件目录生成并覆盖保存 modules.vdata（始终保留最新一份）。
无需再次抓包与重新登录角色，直接使用最新的离线数据进行计算：
.\StarResonanceAutoMod.exe -enum -lv如果要直接进行 5 模组离线计算：
.\StarResonanceAutoMod.exe -lv -cs 5CPU 版本测试环境：
- CPU: AMD Ryzen 9 5900X 12-Core Processor (3.70 GHz)
- 内存: 32GB DDR4
- 系统: Windows 10/11
GPU 版本测试环境：
- GPU: NVIDIA RTX 3090 (Compute Capability 8.6, 82 SM)
- 显存: 24GB GDDR6X
- 系统: Windows 10/11
| 模组数量 | 组合总数 | CPU 版本耗时 | CPU 每秒处理 | CUDA 版本耗时 | CUDA 每秒处理 | CUDA 提升 | OpenCL 版本耗时 | OpenCL 每秒处理 | OpenCL 提升 |
|---|---|---|---|---|---|---|---|---|---|
| 500 | 2,573,031,125 | 6.8124s | ~377.7M | 0.2756s | ~9336.1M | 24.72x | 3.6628s | ~702.5M | 3.72x |
| 600 | 5,346,164,850 | 14.3606s | ~372.3M | 0.5258s | ~10167.7M | 27.31x | 7.3117s | ~731.5M | 3.74x |
| 700 | 9,918,641,075 | 26.4913s | ~374.4M | 1.0677s | ~9289.7M | 24.81x | 13.0472s | ~760.3M | 3.85x |
| 800 | 16,938,959,800 | 43.7750s | ~387.0M | 1.4090s | ~12022.0M | 31.07x | 22.3830s | ~757.0M | 3.90x |
| 900 | 27,155,621,025 | - | - | 2.5902s | ~10484.0M | - | 37.3179s | ~727.9M | 3.75x |
| 1000 | 41,417,124,375 | - | - | 3.6148s | ~11457.7M | - | 57.2074s | ~723.9M | 3.73x |
📝 说明:
- 本次已更新 CPU 与 CUDA 测试结果
- OpenCL 列保留为历史测试记录，本次未重新复测，也未按本次 CPU 数据重新计算
- 900 / 1000 模组当前仅补充了 CUDA 主路径（Dense LUT）测试数据，因此 CPU 与提升倍数暂未填写
5 模组模式通过 --combination-size 5 或 -cs 5 启用。该模式下若 CUDA 可用，程序会启用 并行策略枚举 + beam search；-enum 在 5 模组模式下会自动禁用并回退到常规优化流程。
| 模组数量 | 组合总数 | CUDA 主路径耗时 |
|---|---|---|
| 500 | 255,244,687,600 | 24.3293s |
| 600 | 637,262,850,120 | 59.6303s |
📝 说明: 5 模组的组合空间远高于 4 模组
- 关闭游戏: 枚举模式运行时建议退出游戏，释放 CPU, GPU 资源
- 避免其他重负载程序: 确保 CPU, GPU 专注于模组计算
- 合理选择模组数量: 根据实际需求选择筛选范围，避免过度计算
⚠️ 枚举模式限制: 枚举模式最多支持 800 个模组的运算，如果模组数量超过 800 个，程序会自动筛选至 800 个进行计算(GPU 模式为 1000)
| 参数 | 短参数 | 类型 | 说明 | 可选值/示例 |
|---|---|---|---|---|
--list |
-l |
开关 | 列出所有网络接口 | -l |
--auto |
-a |
开关 | 自动选择网络接口(推荐) | -a |
--interface |
-i |
整数 | 手动指定网络接口索引 | -i 2 |
--category |
-c |
字符串 | 筛选模组类型 | 攻击 / 守护 / 辅助 / 全部(默认全部) |
--attributes |
-attr |
多值 | 指定要包含的属性词条, 优先筛选 | -attr 智力加持 暴击专注 |
--exclude-attributes |
-exattr |
多值 | 指定要排除的属性词条, 筛选优先级变低 | -exattr 施法专注 |
--match-count |
-mc |
整数 | 模组需包含的指定属性数量 | -mc 2 (默认:1) |
--combination-size |
-cs |
整数 | 组合模组数量, 可选 4 或 5 |
-cs 5 |
--enumeration-mode |
-enum |
开关 | 启用枚举模式直接运算(推荐和 -attr 一起使用, 仅 4 模组有效) | -enum |
--debug |
-d |
开关 | 启用调试模式输出详细日志 | -d |
--min-attr-sum |
-mas |
多值 | 指定求解后包含的属性词条总和的最小值 | -mas 智力加持 20 -mas 暴击专注 20 |
--load-vdata |
-lv |
开关 | 从 exe 目录读取 modules.vdata 离线直接运算 |
-lv |
- 先安装 Npcap: 如果没有安装 Npcap，程序无法进行网络抓包
- 网络接口选择: 建议优先使用
-a参数自动选择网络接口 - 使用枚举模式: 开启枚举模式计算开始后最好退出游戏保证 CPU 的利用率
- 枚举模式限制: 枚举模式最多支持 800 个模组的运算，超过后会自动筛选至 800 个(GPU 模式为 1000)
- 5 模组说明: 使用
-cs 5可切换到 5 模组计算；若 CUDA 可用会启用并行策略枚举+beam search，若不可用则仅执行 beam search - 5 模组与枚举模式: 5 模组下
-enum会自动禁用并回退到常规优化模式 -attr参数选择:-attr,-exattr,-mas后跟的参数必须在文档最后 支持的属性词条 中
适合开发者或需要自定义功能的高级用户。
基础要求（CPU 版本和 GPU 版本都需要）：
- Python 3.8+ (推荐 3.10+)
⚠️ - Visual Studio Build Tools 2019/2022 或 Visual Studio
- Git
- Windows SDK
GPU 版本额外要求：
- CUDA Toolkit 12.8（CUDA 路径）
- OpenCL SDK/CUDA Toolkit (OpenCL 路径)
- 支持 CUDA 的 NVIDIA 显卡（RTX 20XX 及以上）
⚠️ 编译器一致性问题:
- CPython: 从 python.org 下载的 Python 解释器，用 MSVC 编译
- C++扩展: 必须用相同版本的 MSVC 编译，否则会出现：
- Segmentation Fault (段错误)
- 默认参数调用失败
- 内存访问异常
- 绝对不能混用: MSVC 编译的 Python + MinGW 编译的扩展 = 💥 崩溃
1. 克隆项目
git clone https://github.com/fudiyangjin/StarResonanceAutoMod.git
cd StarResonanceAutoMod2. 安装依赖
pip install -r requirements.txt📝 依赖说明:
scapy>=2.5.0: 网络抓包库zstandard>=0.21.0: 数据压缩库protobuf>=4.21.0: 协议缓冲区库pybind11>=2.10.0: C++扩展绑定库cpp_extension/third_party/cccl-3.3.0/: cccl 需要 >= 3.3
3. 编译 C++扩展
CPU 版本编译：
cd cpp_extension
python setup.py build_ext --inplace
cd ..GPU 版本编译：
cd cpp_extension
python setup.py build_ext --inplace
cd ..📝 GPU 版本编译说明:
- 编译脚本会自动检测 CUDA 环境
- 如果检测到 CUDA，会自动编译 GPU 加速版本
- 如果 CUDA 编译失败，会自动回退到 CPU 版本
cpp_extension/third_party/目录中已包含当前编译需要的附加头文件依赖- 支持的显卡架构：GTX 1000 系列、RTX 2000/3000/4000/5000 系列
# 基础运行
python star_railway_monitor.py -a
# 带参数运行
python star_railway_monitor.py -a -attr 智力加持 暴击专注 -d
# 查看所有参数
python star_railway_monitor.py --help
日志系统
- 日志文件位于
logs/目录 - 支持调试模式：
python star_railway_monitor.py -d
C++性能优化
- 核心算法使用 C++实现
- 源码位于
cpp_extension/src/ - 支持 CUDA GPU 加速
- 支持 OpenCL GPU 加速
GPU 加速功能
- 自动检测 CUDA 环境
- 支持多种 NVIDIA 显卡架构
- 编译时自动优化 GPU 代码
- 支持 OpenCL（AMD/Intel），自动检测平台与设备
- 优先 CUDA，其次 OpenCL，均不可用则回退 CPU
- 运行时自动回退到 CPU 计算（当 GPU 不可用或初始化失败时）
StarResonanceAutoMod/
├── star_railway_monitor.py # 主程序入口
├── module_parser.py # 模组数据解析器
├── module_optimizer.py # 模组优化算法
├── module_types.py # 数据类型定义
├── packet_capture.py # 网络抓包模块
├── network_interface_util.py # 网络接口工具
├── logging_config.py # 日志配置
├── BlueProtobuf_pb2.py # 协议buffer定义
├── requirements.txt # Python依赖
├── cpp_extension/ # C++性能扩展
│ ├── setup.py # 编译脚本
│ ├── third_party/ # CUDA 编译附加依赖（含 CCCL 头文件）
│ └── src/ # C++源码
│ ├── module_optimizer.cpp # CPU优化算法
│ ├── module_optimizer_cuda.cu # CUDA GPU加速算法
| |── module_optimizer_opencl.cpp # OpenCL GPU加速算法
│ └── pybind11_wrapper.cpp # Python绑定
├── logs/ # 日志文件目录
└── README.md # 说明文档
- 力量加持、敏捷加持、智力加持
- 特攻伤害、精英打击
- 特攻治疗加持、专精治疗加持
- 施法专注、攻速专注、暴击专注、幸运专注
- 抵御魔法、抵御物理
- 极-绝境守护、极-伤害叠加、极-灵活身法
- 极-生命凝聚、极-急救措施、极-生命波动
- 极-生命汲取、极-全队幸暴
- 查看详细日志：使用
--debug参数 - 提交 Issue：GitHub Issues
- 查看日志文件：
logs/目录下的最新日志
本项目关键数据抓取与分析部分基于 StarResonanceDamageCounter 项目移植而来，感谢原作者对于本项目的帮助。
本工具仅用于游戏数据分析学习目的，不得用于任何违反游戏服务条款的行为。使用者需自行承担相关风险。项目开发者不对任何使用本工具产生的后果负责。请在使用前确保遵守游戏社区的相关规定和道德标准。