neuro-amongus 快速上手指南从安装 BepInEx 到跑通 AI 插件的 6 个关键步骤【免费下载链接】neuro-amongusAmong Us Plugin for Neuro-sama项目地址: https://gitcode.com/gh_mirrors/ne/neuro-amongusneuro-amongus 是一款让 AI 主播 Neuro-sama 玩《Among Us我们之中》的 BepInEx 插件。它通过 Reactor 框架在游戏内自动录制对局数据再用神经网络模型驱动角色做出移动、报人和破坏等决策。本指南带新手用 6 个步骤完成安装与联调从零跑通录数据 → 训练模型 → AI 接管游戏的完整链路 步骤 1安装 BepInEx 与 Reactor插件运行底座neuro-amongus 依赖游戏模组框架 BepInExIL2CPP 版和 Reactor 通信框架二者缺一不可BepInEx使用BepInEx-Unity.IL2CPP-win-x86-6.0.0-be.668版本负责把插件注入游戏进程Reactor提供模组间通信能力插件的 AI 指令通过它进入游戏项目自带了 Inno Setup 安装脚本 Installer/NeuroInstall.iss其中已将 BepInEx 核心库BepInEx.Unity.IL2CPP.dll、doorstop 引导配置等打包在Installer/Dependencies/BepInEx/目录下编译后就是图形化的一键安装器安装目录直接指向游戏根目录即可。 手动安装的话只需把 BepInEx 与 Reactor 的文件复制到Among Us\游戏目录并确认游戏目录中出现BepInEx\plugins\文件夹。步骤 2安装 .NET 6.0 SDK 并克隆仓库插件用 C# 编写目标框架为 net6.0请先安装.NET 6.0 SDK然后克隆项目源码git clone https://gitcode.com/gh_mirrors/ne/neuro-amongus用 Visual Studio 或 JetBrains Rider 打开解决方案 Neuro.sln 即可开始构建。步骤 3配置构建输出自动部署 Neuro.dll默认构建产物不会自动进入游戏目录。推荐在 Neuro/Neuro.csproj 的PropertyGroup中加入输出路径将产物直接指向游戏插件文件夹OutputPathPATH_TO_AMONG_US_FOLDER\Among Us\BepInEx\plugins/OutputPath这样每次 Build 后Neuro.dll会自动落位到BepInEx\plugins\省去手动拷贝。构建目标里还有一个更省事的方案csproj 内置了Copy构建任务设置$(AmongUs)属性为游戏目录后编译完会自动把 dll 复制到$(AmongUs)/BepInEx/plugins/步骤 4选择构建模式数据采集 or 完整功能Neuro/Neuro.csproj 定义了 4 种构建配置对应两种工作模式模式说明DebugDataCollection/ReleaseDataCollection仅数据录制模式轻量用于采集训练数据DebugFull/ReleaseFull完整模式FULL宏额外启用 AI 通信与调试窗口完整模式会加载CommunicationHandlerAI 指令接收、DebugWindow游戏内调试面板等组件入口逻辑见 Neuro/NeuroPlugin.cs 的Load()方法。想跑通 AI 就选Full模式只想先录数据则选DataCollection模式。步骤 5启动游戏验证插件加载直接运行 Among Us 游戏。启动后可以通过以下方式确认插件工作正常游戏内打开调试窗口Full 模式自带 DebugWindow含 General、Recording、Meeting 等多个调试标签页查看游戏目录下的BepInEx\Logs确认无报错、出现插件初始化日志录制模块 Neuro/Recording/Recorder.cs 会按帧捕获玩家位置、任务进度、尸体、地图门与通风口等数据协议定义见Neuro/Recording/Frame.proto并通过 Neuro/Recording/Uploader.cs 保存为训练素材一局游戏即可产出一组完整录像。步骤 6跑通 AI 侧安装 Python 依赖并训练模型AI 大脑在 AI/ 目录下使用 PyTorch LSTM 实现流程如下安装依赖按 AI/requirements.txt 安装torch、numpy、betterproto等注意 betterproto 需使用带 pickle 扩展的分支版本训练模型运行 AI/train_model.py它会自动读取全部录像、9:1 划分训练/验证集用 MSE 损失训练 LSTM支持 CUDA 加速本地推理联调运行 AI/play_test.py它会在localhost:6969端口监听——游戏端 Neuro/Communication/AmongUsAI/WebSocketThread.cs 会自动连接该端口把每帧游戏状态发给模型并接收神经网络的移动输出看到 AI 侧控制台打印Connected by ...且游戏内角色开始自主行动恭喜整条链路全部跑通 小结步骤关键动作涉及目录1安装 BepInEx ReactorInstaller/2安装 .NET 6 SDK 并克隆仓库Neuro.sln3配置 OutputPath 自动部署 dllNeuro/Neuro.csproj4选择 Full 构建模式Neuro/NeuroPlugin.cs5启动游戏验证插件与录制Neuro/Recording/6训练模型并打通 6969 端口联调AI/整个流程的核心就是游戏侧负责感知与执行AI 侧负责思考两者通过本地 6969 端口对接。祝你玩得开心【免费下载链接】neuro-amongusAmong Us Plugin for Neuro-sama项目地址: https://gitcode.com/gh_mirrors/ne/neuro-amongus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 neuro-amongus 快速上手指南：从安装 BepInEx 到跑通 AI 插件的 6 个关键步骤
neuro-amongus 快速上手指南从安装 BepInEx 到跑通 AI 插件的 6 个关键步骤【免费下载链接】neuro-amongusAmong Us Plugin for Neuro-sama项目地址: https://gitcode.com/gh_mirrors/ne/neuro-amongusneuro-amongus 是一款让 AI 主播 Neuro-sama 玩《Among Us我们之中》的 BepInEx 插件。它通过 Reactor 框架在游戏内自动录制对局数据再用神经网络模型驱动角色做出移动、报人和破坏等决策。本指南带新手用 6 个步骤完成安装与联调从零跑通录数据 → 训练模型 → AI 接管游戏的完整链路 步骤 1安装 BepInEx 与 Reactor插件运行底座neuro-amongus 依赖游戏模组框架 BepInExIL2CPP 版和 Reactor 通信框架二者缺一不可BepInEx使用BepInEx-Unity.IL2CPP-win-x86-6.0.0-be.668版本负责把插件注入游戏进程Reactor提供模组间通信能力插件的 AI 指令通过它进入游戏项目自带了 Inno Setup 安装脚本 Installer/NeuroInstall.iss其中已将 BepInEx 核心库BepInEx.Unity.IL2CPP.dll、doorstop 引导配置等打包在Installer/Dependencies/BepInEx/目录下编译后就是图形化的一键安装器安装目录直接指向游戏根目录即可。 手动安装的话只需把 BepInEx 与 Reactor 的文件复制到Among Us\游戏目录并确认游戏目录中出现BepInEx\plugins\文件夹。步骤 2安装 .NET 6.0 SDK 并克隆仓库插件用 C# 编写目标框架为 net6.0请先安装.NET 6.0 SDK然后克隆项目源码git clone https://gitcode.com/gh_mirrors/ne/neuro-amongus用 Visual Studio 或 JetBrains Rider 打开解决方案 Neuro.sln 即可开始构建。步骤 3配置构建输出自动部署 Neuro.dll默认构建产物不会自动进入游戏目录。推荐在 Neuro/Neuro.csproj 的PropertyGroup中加入输出路径将产物直接指向游戏插件文件夹OutputPathPATH_TO_AMONG_US_FOLDER\Among Us\BepInEx\plugins/OutputPath这样每次 Build 后Neuro.dll会自动落位到BepInEx\plugins\省去手动拷贝。构建目标里还有一个更省事的方案csproj 内置了Copy构建任务设置$(AmongUs)属性为游戏目录后编译完会自动把 dll 复制到$(AmongUs)/BepInEx/plugins/步骤 4选择构建模式数据采集 or 完整功能Neuro/Neuro.csproj 定义了 4 种构建配置对应两种工作模式模式说明DebugDataCollection/ReleaseDataCollection仅数据录制模式轻量用于采集训练数据DebugFull/ReleaseFull完整模式FULL宏额外启用 AI 通信与调试窗口完整模式会加载CommunicationHandlerAI 指令接收、DebugWindow游戏内调试面板等组件入口逻辑见 Neuro/NeuroPlugin.cs 的Load()方法。想跑通 AI 就选Full模式只想先录数据则选DataCollection模式。步骤 5启动游戏验证插件加载直接运行 Among Us 游戏。启动后可以通过以下方式确认插件工作正常游戏内打开调试窗口Full 模式自带 DebugWindow含 General、Recording、Meeting 等多个调试标签页查看游戏目录下的BepInEx\Logs确认无报错、出现插件初始化日志录制模块 Neuro/Recording/Recorder.cs 会按帧捕获玩家位置、任务进度、尸体、地图门与通风口等数据协议定义见Neuro/Recording/Frame.proto并通过 Neuro/Recording/Uploader.cs 保存为训练素材一局游戏即可产出一组完整录像。步骤 6跑通 AI 侧安装 Python 依赖并训练模型AI 大脑在 AI/ 目录下使用 PyTorch LSTM 实现流程如下安装依赖按 AI/requirements.txt 安装torch、numpy、betterproto等注意 betterproto 需使用带 pickle 扩展的分支版本训练模型运行 AI/train_model.py它会自动读取全部录像、9:1 划分训练/验证集用 MSE 损失训练 LSTM支持 CUDA 加速本地推理联调运行 AI/play_test.py它会在localhost:6969端口监听——游戏端 Neuro/Communication/AmongUsAI/WebSocketThread.cs 会自动连接该端口把每帧游戏状态发给模型并接收神经网络的移动输出看到 AI 侧控制台打印Connected by ...且游戏内角色开始自主行动恭喜整条链路全部跑通 小结步骤关键动作涉及目录1安装 BepInEx ReactorInstaller/2安装 .NET 6 SDK 并克隆仓库Neuro.sln3配置 OutputPath 自动部署 dllNeuro/Neuro.csproj4选择 Full 构建模式Neuro/NeuroPlugin.cs5启动游戏验证插件与录制Neuro/Recording/6训练模型并打通 6969 端口联调AI/整个流程的核心就是游戏侧负责感知与执行AI 侧负责思考两者通过本地 6969 端口对接。祝你玩得开心【免费下载链接】neuro-amongusAmong Us Plugin for Neuro-sama项目地址: https://gitcode.com/gh_mirrors/ne/neuro-amongus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考