微信跳一跳辅助 — vivo X200 Pro 适配记录

背景

微信「跳一跳」是 2017 年风靡一时的小游戏。虽然热度早已过去，但作为一个计算机视觉和自动化控制的练手项目，它的技术价值依然很高。

本项目基于 GitHub 上 14,000+ Stars 的开源项目 wangshub/wechat_jump_game，针对 vivo X200 Pro（2800×1260 分辨率）做了完整的适配工作。

技术原理

整个自动化流程分为五个步骤：

截图：通过 ADB 命令获取手机屏幕截图
找棋子：根据棋子特有的 RGB 颜色范围（R:50~60, G:53~63, B:95~110）定位棋子底部中心
找目标方块：扫描像素行，检测与背景色差异超过阈值的区域，找到下一个方块的顶面中心
计算距离：利用游戏等距视角的对称中心，从方块 X 坐标反推 Y 坐标，得到精确的中心点位置
模拟按压：基于物理抛物线模型将像素距离转为按压时长，通过 ADB 模拟触屏

按压时间的计算并非简单线性，而是基于物理公式：

scale = 0.945 × 2 / head_diameter
actual_distance = distance × scale × (√6 / 2)
press_time = (-945 + √(945² + 4×105×36×actual_distance)) / (2×105) × 1000

vivo X200 Pro 适配工作

1. 分辨率配置

X200 Pro 屏幕为 2800×1260，像素密度 560 DPI，与常见的 1080p 或 2K 分辨率都不同。需要创建专门的分辨率配置文件：

参数	默认值 (1080p)	X200 Pro 适配值	说明
under_game_score_y	300	440	分数栏下方 Y 坐标，按高度比例缩放
piece_base_height_1_2	20	30	棋子底盘半高，按高度比例缩放
piece_body_width	70	85	棋子身体宽度，按宽度比例缩放
press_coefficient	1.392	1.0	按压系数，经多次实测校准

2. 按压系数校准

这是最关键的适配工作。系数不对，不是跳太远就是跳太近，直接导致游戏失败。

校准过程：以默认系数 1.392 为起点，发现跳得太远；逐步降低到 0.65，又跳得太近。最终通过实际测算——对同一距离分别计算不同系数下的按压时长，锁定 1.0 为最优值。

            校准方法：截图 → 检测棋子与目标方块坐标 → 计算像素距离 → 代入物理公式得原始按压时间 → 乘以系数得最终按压时间 → 与实际跳跃效果对比 → 迭代调整系数。
        

3. Python 3.14 兼容性修复

原项目发布于 2018 年，部分代码在 Python 3.14 上存在兼容性问题：

io.StringIO 无法处理二进制截图数据，改为 io.BytesIO
ADB 截图管道模式在 Windows 下存在 CR/LF 换行符问题，改为文件拉取模式（SCREENSHOT_WAY=0）
subprocess.Popen 在 Python 3.14 下的参数传递方式调整

4. 触屏坐标适配

ADB 模拟按压的坐标点需要落在屏幕范围内。X200 Pro 竖屏为 1260×2800，按压坐标设为 (630, 1600)，即屏幕中央偏下位置。

小白使用教程

即使你没有编程基础，跟着下面步骤一步步来，也能把跳一跳跑起来。

第 1 步：装 Python

打开 python.org/downloads
下载最新版 Python（Windows 选 64-bit installer）
安装时勾选「Add Python to PATH」（重要！）
安装完成后，打开终端（Win+R 输入 cmd），验证：

python --version

正常应显示 Python 3.x.x。

第 2 步：装 ADB 工具

ADB 是 Android 调试桥，用来和手机通信。

下载 Android Platform Tools（Windows 版 zip）
解压到 C:\adb\ 目录
把 C:\adb\platform-tools 加入系统 Path：
- Win+S 搜索「环境变量」→ 编辑系统环境变量
- 环境变量 → 系统变量 → Path → 新建 → 粘贴 C:\adb\platform-tools
- 确定保存
重新打开终端，验证：

adb version

显示版本号即安装成功。

第 3 步：手机开 USB 调试

vivo X200 Pro 操作路径：

设置 → 更多设置 → 关于手机 → 版本信息
连续点击「软件版本号」7 次 → 提示「已进入开发者模式」
返回：设置 → 更多设置 → 开发者选项
打开 「USB 调试」开关
用数据线连接手机和电脑
手机弹出「允许 USB 调试」→ 勾选「始终允许」→ 确定

验证连接：

adb devices

应显示一串设备 ID + device 字样。如果没有，换一根数据线或换一个 USB 口试试。

第 4 步：下载项目

git clone https://github.com/wangshub/wechat_jump_game.git
cd wechat_jump_game

如果没装 Git，可以直接在 GitHub 页面点「Code → Download ZIP」解压。

第 5 步：放入 vivo X200 Pro 配置文件

在项目 config/ 目录下创建 2800x1260/config.json，内容如下：

{
    "under_game_score_y": 440,
    "press_coefficient": 1.0,
    "piece_base_height_1_2": 30,
    "piece_body_width": 85,
    "swipe": {
        "x1": 630, "y1": 1600,
        "x2": 630, "y2": 1600
    }
}

也可以在终端输入以下命令一键完成：

mkdir config\2800x1260
echo {"under_game_score_y": 440, "press_coefficient": 1.0, "piece_base_height_1_2": 30, "piece_body_width": 85} > config\2800x1260\config.json

第 6 步：安装依赖 + 运行

pip install Pillow six
python wechat_jump_auto.py

运行前确保：

手机已连上电脑（adb devices 能看到设备）
微信跳一跳已打开并开始游戏
棋子已落到第一个方块上（不要在空中截图）

程序启动后会连续自动跳跃，按 Ctrl+C 停止。

跳不准怎么办？

修改配置文件中的 press_coefficient 即可：

跳远了（棋子飞过方块）→ 减小系数，比如改 0.95
跳近了（棋子没够到）→ 增大系数，比如改 1.05

每次改完保存，重新运行脚本即可。微调建议 0.05 步进。

2025 旗舰手机参数参考

以下参数根据各机型屏幕规格计算，press_coefficient 建议在此基础上微调（±0.05）。

品牌	机型	分辨率	press_coefficient	piece_body_width	under_game_score_y
vivo	X200 Pro	1260×2800	1.00 ✅ 已实测	85	440
vivo	X200 Ultra	1440×3168	1.00	95	500
小米	15 Ultra	1440×3200	1.00	95	500
小米	小米 15	1200×2670	1.05	80	420
OPPO	Find X8 Pro	1264×2780	1.00	85	435
OPPO	Find X8	1264×2780	1.00	85	435
华为	Mate 70 Pro	1312×2832	1.00	85	440
华为	Mate 70 Pro+	1312×2832	1.00	85	440
荣耀	Magic7 Pro	1312×2848	1.00	85	445
荣耀	Magic7	1264×2800	1.00	85	440
三星	S25 Ultra	1440×3120	1.00	95	490
三星	S25	1080×2340	1.38	75	365
一加	13	1440×3168	1.00	95	500
Apple	iPhone 16 Pro Max	1320×2868	1.00	85	450
Apple	iPhone 16 Pro	1206×2622	1.05	80	410

            规律总结

            • 2K+ 机型（高度 ≥ 2800px）：系数 ≈ 1.00，body_width ≈ 85~95

            • 1.5K 机型（高度 2600~2800px）：系数 ≈ 1.05，body_width ≈ 80

            • 1080P 机型（高度 ~2340px）：系数 ≈ 1.38，body_width ≈ 75

            • 配置目录命名：config/{高度}x{宽度}/（如 config/2800x1260/）

            • under_game_score_y ≈ 300 × 高度 ÷ 1920

            • piece_body_width ≈ 70 × 宽度 ÷ 1080

            • ⚠️ 标注"已实测"的为实际校准值，其余为理论推算，建议首次使用时微调系数

踩坑记录

在做适配之前，我尝试自己从头写图像识别算法，踩了不少坑：

颜色差分法：通过采样背景色、找"非背景"像素来定位方块。问题是灰色方块和背景色太接近，需要不断调整阈值，不稳定。
Canny 边缘检测：改用边缘检测可以避免颜色依赖，但阈值需要根据不同场景调整，远处的小方块边缘太弱，检测不到。
方块中心计算：简单的顶边+底边/2 不够准确，需要考虑等距视角下的透视变形，用加权质心法才得到稳定结果。

最终的教训是：别自己造轮子，直接用经过验证的开源方案，把精力放在适配和调优上。

技术栈

组件	技术	用途
图像采集	ADB screencap	截取手机屏幕
图像处理	Pillow (PIL)	像素级颜色读取、位置计算
距离建模	物理抛物线公式	将像素距离转换为按压时长
触控执行	ADB input swipe	模拟手指长按屏幕
主控逻辑	Python 3.14	流程编排、异常处理

本项目基于 wangshub/wechat_jump_game（MIT 协议），感谢原作者的出色工作。

⚠️ 微信对作弊行为有严格检测，本项目仅供计算机视觉与自动化技术学习研究，使用可能导致分数清零或账号受限。