SakuraFRP 自动签到脚本

自动完成 natfrp.com 每日签到，支持九宫格点选和滑块拖动两种验证码。

• 九宫格验证码：下载原图一次裁出题目和格子 → AI 识别题目物体 → 逐格二分类匹配 → 点击提交
• 滑块验证码：captcha-recognizer (YOLOv5) 识别缺口 → pytweening 缓动函数模拟人类拖动轨迹
• 定时调度：内置 sleep 循环，每天在目标时间 ±30 分钟随机执行

目录结构

.
├── main.py             # 入口：调度 + 浏览器自动化 + 签到流程
├── captcha.py          # 验证码：检测、九宫格求解、滑块求解
├── ai_service.py       # AI 服务：OpenAI 兼容 API 封装（视觉识别 + 逐格分类）
├── logger.py           # 日志：按日期分割文件，同时输出控制台
├── account.txt         # 账号（第1行用户名，第2行密码）
├── .env                # 环境变量配置
├── state.json          # 登录状态缓存（自动生成）
├── env.example         # 环境变量示例
├── requirements.txt    # Python 依赖
├── Dockerfile.example  # Docker 构建示例（复制为 Dockerfile 使用）
├── docker-compose.yml.example  # Docker Compose 示例（复制为 docker-compose.yml 使用）
└── logs/               # 日志目录（自动生成）

准备工作

1. 安装依赖

pip install -r requirements.txt
playwright install chromium

2. 创建 account.txt

你的用户名
你的密码

3. 配置环境变量

复制 env.example 为 .env 并填写：

# LLM API（OpenAI 兼容接口）
LLM_BASE_URL=http://127.0.0.1:8080/v1
# 本地模型可填任意非空值，如 skip
LLM_API_KEY=your_api_key_here
LLM_MODEL=MiniCPM-V-4.6

# 定时执行（格式 HH:MM，设置后每天在 ±30 分钟随机执行）
SCHEDULE_TIME=08:00

# 时区
TZ=Asia/Shanghai

# 可选代理
HTTP_PROXY=

VLM 模型选择

推荐使用本地部署的小参数模型，服务更稳定。本项目已针对小模型深度优化，MiniCPM-V-4.6 等 1B 规模的小模型也具有相当高的识别成功率，对硬件要求不高。配合内置重试机制，可实现稳定解析，每次签到的平均验证码轮次消耗小于 2。

推荐模型

模型	参数量	说明
MiniCPM-V-4.6	~1B	首选推荐，经过充分测试
其他 OpenAI 兼容的视觉模型	任意	只要兼容 /v1/chat/completions 接口均可使用（包括闭源模型如 GPT-4o 等）

运行方式

# 立即执行一次
python main.py --now

# 调试模式（立即执行 + 截图保存到 debug/ 目录）
python main.py --debug

# 使用 SCHEDULE_TIME 环境变量定时循环执行
python main.py

Docker

复制示例配置并按需修改：

cp docker-compose.yml.example docker-compose.yml
cp Dockerfile.example Dockerfile

然后启动：

docker compose up -d

容器以 restart: always 运行，配合 SCHEDULE_TIME 环境变量实现每日自动签到。docker-compose.yml 和 Dockerfile 不纳入版本追踪，可在部署环境自由修改。

工作流程

签到主流程

1. 启动 Chromium 浏览器（headless，支持代理）
2. 访问签到页面，使用账号密码登录（自动保存 state.json 缓存状态）
3. 关闭"已满18岁"弹窗（如有）
4. 检测是否已签到 → 点击签到按钮 → 如出现验证码则进入验证码处理
5. 验证码最多重试 5 轮，每轮检测类型后分别处理

九宫格点选

1. 从九宫格 <img> 的 src 下载原图（一张包含题目 + 格子的完整图）
2. 裁出底部条带左侧 ~1/3 作为题目图，顶部正方形切分为 9 张格子图
3. AI 视觉识别题目图中的目标物体名称
4. AI 对每个格子进行二分类（"图片中是否有【目标】？只回答：是或否"）
5. 点击所有匹配格子 → 点击提交

滑块拖动

1. captcha-recognizer (YOLOv5) 识别缺口位置
2. 计算页面坐标偏移
3. pytweening 缓动函数模拟人类拖动：
   • 随机缓动函数（easeInOutQuad / easeOutQuad / easeInOutCubic）
   • ±5px 随机误差
   • 水平 ±1.5px / 垂直 ±2px 轨迹抖动
   • 50% 概率超调回调
   • 变速拖动（前快后慢）

日志

• 按日期分割：logs/checkin_YYYY-MM-DD.log
• 格式：[时间戳] [级别] 消息（级别：DEBUG / INFO / SUCCESS / ERROR）
• 控制台简写前缀：[DBG] / [INF] / [OK] / [ERR]
• 自动清理 30 天前的旧日志

环境要求

• Python 3.8+
• Playwright Chromium
• 见 requirements.txt