AIGamePro新一代安卓自动化测试平台

简介: AIGamePro是新一代安卓自动化测试平台,支持Shizuku/Root/无障碍/HID等多策略;内置Yolo全系列+主流OCR;Material Design3可视化UI开发(几行XML即可);JS代码经简化、混淆、VMP转码三重保护,APK高度防逆向;专为开发者优化,兼顾易用性与安全性。(239字)

AIGamePro新一代安卓自动化测试平台

官方文档: https://aigame-pro.netlify.app/

强大的功能

  • 支持Shizuku、Root、无障碍、HID等自动化策略
  • 支持安卓端代码编辑器、开发
  • 支持电脑端IDE、VSCode、IDEA开发
  • 拥有最全面的UI界面设计能力
  • 支持打包成apk

图形与视觉

  • 支持Yolo全系列:yolov5-yolov13全部支持,并且官方文档提供详细的自主搭建训练yolo的全套视频、文档教学。
  • 支持主流OCR:GoogleMlkit、NcnnOcr、PaddleOcrV5

精美的界面

支持全套Material Design3的组件开发,并且开发极其容易上手,直接让UI界面设计简洁到小白都能学会,这么漂亮简约的界面,对于国内其他的自动化测试平台而言,简直就是一种降维打击。

只需要简单的几行xml代码即可完成对UI的开发,例如写一个简单的按钮:

<ui>
    <button text="我是文本" />
</ui>

无法被破解

妈妈再也不担心我的源码会被掏了!!!在打包成apk的过程中,代码会经历如下阶段:

  1. js代码简化(这一步去除注释、规范化js代码)
  2. js代码混淆(这一步改变代码结构、缩减变量名称)
  3. js转为VMP混淆码

打包后的apk只能执行VMP混淆码,即使被HOOK也只能拿到混淆码!完美解决自己的js代码会被掏的问题!

并且:打包的apk本身dex就是处于高度混淆的状态,直接让逆向难度成倍增长!

应用截屏

开发诱因

我最开始一直使用的都是免费开源的auto.js作为我的自动化工具,但是随着这个工具的普及,不断的灰产、违法情况出现,一系列的原因导致官方不得不下架这款安卓神器。
当这款安卓自动化神奇跌落以后,我就开始在市面上寻找替代方案,但是市面上的自动化工具都有普遍的缺点:

  1. 并发编程支持度不够
  2. 界面UI太阿格里了(太丑了)
  3. 收费、价格不菲

于是在2024年11月的某一天,我安装了AndroidStudio开始研究谷歌的Material Design3组件库。

最开始开发非常吃力、因为我从来没用过AndroidStudio,原因是家庭条件有限,我上大学使用的电脑是2k买的小电脑。最早我接触编程是在初中,初2的时候才拥有人生的第一部安卓手机,那个时候天天刷网页找编程资源进行学习,高中就经常去网吧通宵学习编程,作为学生的我,真正实际操练编程是在安卓手机上安装的AIDE这款app。

甚至到了大学,我写安卓app一直都是用的AIDE,电脑端就用的Eclipse。

后来我慢慢学习使用IDEA和AndroidStudio,直到渐渐顺手。

解决“遗传病”

由于我觉得Auto.js用起来很顺手,于是我想保留我自己的使用习惯来开发AIGamePro!!
于是我不得不解决一些“遗传病”:

由于auto.js曾经是开源的软件,导致只要是使用该平台写的脚本代码,都能被秒破。代码无论被加密的多么花里胡哨,到了脚本引擎面前,就是明文!!

于是我在开发AIGamePro的时候全程使用高强度的逆向思维:

  1. http请求必须要高仿https双端签名校验
  2. 敏感字符串必须非对称加密
  3. json的字段必须混淆
  4. 脚本引擎必须自己重构
目录
相关文章
|
26天前
|
运维 Kubernetes 安全
CNI 不是装完就完事:Calico、Cilium、Weave,选错一个,集群网络天天加班
CNI 不是装完就完事:Calico、Cilium、Weave,选错一个,集群网络天天加班
165 8
|
2月前
|
XML 前端开发 Serverless
自建一个 Agent 很难吗?一语道破,万语难明
本文分享了在奥德赛TQL研发平台中集成BFF Agent的完整实践:基于LangGraph构建状态图,采用Iframe嵌入、Faas托管与Next.js+React框架;通过XML提示词优化、结构化知识库(RAG+DeepWiki)、工具链白名单及上下文压缩(保留近3轮对话)等策略,显著提升TQL脚本生成质量与稳定性。
541 33
自建一个 Agent 很难吗?一语道破,万语难明
|
26天前
|
机器学习/深度学习
机器学习特征工程:分类变量的数值化处理方法
分类特征编码是机器学习关键却常被低估的环节。Ordinal Encoding适用于有序类别(如学历),One-Hot Encoding消除顺序假象但易致维度爆炸,Target Encoding则通过目标均值处理高基数特征,需配合平滑与交叉验证防过拟合与数据泄露。
88 5
|
2月前
|
人工智能 自然语言处理 运维
阿里开源 Assistant Agent,助力企业快速构建答疑、诊断智能助手
一款快速构建智能客服、诊断助手、运维助手、AIOps 的开源框架。
851 63
|
14天前
|
人工智能 弹性计算 自然语言处理
2026阿里云OpenClaw(Clawdbot)一键部署+Skills全攻略:新手零代码解锁AI自动化
在AI自动化工具爆发的2026年,OpenClaw(原Clawdbot、Moltbot)凭借“自然语言指令+任务自动执行”的核心能力脱颖而出,而真正让其突破“纯对话”局限、实现多元化实操的关键,正是OpenClaw Skills(技能插件)。作为OpenClaw的“插件系统”,Skills就像给AI大脑装上了“灵活双手”,让智能体从“只会说”升级为“会做事”,覆盖办公自动化、开发辅助、生活便捷等31大分类、1715+个技能,成为提升效率的“专属数字员工”。
392 2
|
24天前
|
存储 监控 NoSQL
阿里云服务器ESSD云盘怎么样?ESSD云盘规格、计费与应用场景解析参考
阿里云ESSD云盘融合25GE网络与RDMA技术,为单个云盘提供高达100万随机读写性能,实现低时延,是阿里云在存储技术领域的重要成果。ESSD云盘规格多样,性能级别分PL0至PL3四档,满足不同业务需求,且性能随容量增加而提升。计费方式灵活,包括按量付费、包年包月及存储容量单位包。不同容量范围和性能级别,以及实例规格的存储I/O性能的差异可适应不同的应用场景,为用户提供稳定高效的存储支持。
|
2月前
|
人工智能 Java Nacos
构建开放智能体生态:AgentScope 如何用 A2A 协议与 Nacos 打通协作壁垒?
AgentScope 全面支持 A2A 协议和 Nacos 智能体注册中心,实现跨语言跨框架智能体互通。
701 60
|
26天前
|
弹性计算 人工智能 运维
2026年OpenClaw(Clawdbot)部署+接入QQ保姆级教程,3分钟手把手教会你
2026年OpenClaw(前身为Clawdbot)凭借轻量化容器化架构、强大的AI任务自动化能力和丰富的第三方集成接口,成为个人与企业实现智能化办公、社群运营的核心工具。阿里云提供的弹性计算资源、成熟的云端运维体系与企业级安全防护能力,为OpenClaw的稳定运行提供了坚实支撑;而QQ作为国内用户基数最大的即时通讯平台,与OpenClaw的深度联动,可实现“QQ发指令、AI自动化执行”的全流程提效,覆盖办公协作、社群管理、智能客服等多场景。本文基于2026年最新实测经验,从阿里云环境搭建、OpenClaw部署、QQ接入配置到运维优化,提供包含完整代码命令的保姆级教程,零基础用户也能按步骤零失
1789 14
|
13天前
|
编解码 算法 PyTorch
基于 YOLOv8 的多水果智能识别系统工程化实战 [目标检测完整源码]
本文从工程化与产品化的视角,系统讲解了一个基于 YOLOv8 的多水果种类智能识别系统的完整实现路径。通过将目标检测算法、统一推理逻辑与 PyQt5 图形界面进行解耦设计,项目不仅实现了对图片、视频和实时摄像头的高效识别,也真正完成了从模型训练到可交互应用的落地闭环。实践表明,YOLOv8 在多类别水果识别场景下兼顾了精度与实时性,而图形化封装显著降低了算法使用门槛,使系统具备良好的复用性与扩展性。整体方案对希望将计算机视觉技术应用于农业、零售或工业场景的开发者而言,具有明确的参考价值与实践意义。
92 15
基于 YOLOv8 的多水果智能识别系统工程化实战 [目标检测完整源码]
|
2天前
|
人工智能 安全 API
喂饭级教程:OpenClaw阿里云/本地部署+QVeris集成,解锁A股/港股/美股/黄金价格实时查询
默认状态的OpenClaw缺乏实时数据获取能力,无法满足股票行情、金价查询、汇率换算等场景需求。而QVeris作为AI Agent的“工具商店+统一网关”,通过一个API Key即可调用10000+外部工具,尤其在金融数据、实时行情查询方面表现突出——集成后,OpenClaw能快速查询涨停股票、实时金价、加密货币波动,从“纯对话工具”升级为“数据驱动的实用助手”。
297 11

热门文章

最新文章