SnowCat

再见了，弗小弟👋

一年前我写过一篇《BLAST弗一把速通脚本的算法实现》，讲了怎么用信息熵去猜 Counter-Strikle 里的职业选手。当时结尾还留了个"未来拓展"的清单：浏览器插件化、一键调用、可视化等等。

这一年过去，forsaken 这个坑我算是彻底填平了。没有修改任何算法层面的内容，信息熵还是那个信息熵，权重还是那套瞎凑的权重（我甚至没好意思重新凹参数），修改的是整个框架的实现。

这篇 blog 就只讲这一年我对 web dev 的理解变深之后，是怎么把整套东西做成自动化的。

一年前那个东西，到底"半"在哪

当年的流程，说白了是这样的：人打开浏览器进游戏，手动去看页面返回的反馈，把反馈手抄/复制成 JSON 喂给终端里的 Python 脚本，脚本算出下一步该猜谁，人再把结果手动填回游戏里，然后循环。

算法是聪明的，但整个系统的 I/O 层是我这个人肉。脚本永远停在 input() 那一行等我。我说实话，这个速度能否赢得过现在的xianhe还有待商榷。

这没办法，当时对Web的理解太浅了，加上去年的这个时候还是cursor时代，CC甚至还没出现，所以没有能力实现原来的这个功能。

接下来稍微讲解一下现在这个全自动弗一把是怎么实现的。

一：全过程通过后端接口实现

页面上看到的每一格反馈，本质都是一次网络请求的返回。游戏页面只是接口的一层皮。

每日挑战那边，提交猜测其实就是往官方接口 POST 一个 playerId：

GUESS_URL = "https://api.blast.tv/v1/counterstrikle/guesses"

def submit_guess(session, player_id):
    payload = {
        "playerId": player_id,
        "timestamp": datetime.now(timezone.utc).isoformat().replace("+00:00", "Z"),
    }
    response = session.post(GUESS_URL, json=payload, headers=HEADERS)
    response.raise_for_status()
    return response.json()

反馈就在返回的 JSON 里，逐属性、结构化、干干净净。根本不需要人去看页面。

for step in range(1, max_guesses + 1):
    guess = analyzer.choose_next_guess()      # 算法：下一步猜谁
    feedback = submit_guess(session, guess["id"])  # web：直接打接口
    if feedback.get("isSuccess"):
        ...  # 命中，收工
    analyzer.update_possibilities(feedback)   # 算法：用真实反馈收敛

算法出招 → 打接口 → 拿真反馈 → 收敛 → 再出招，一条命令 python -m solver.daily_solve 跑到底，2-3 步锁人，全程我一根手指没动。

二：对战模式没接口，那就把接口搞出来

每日挑战好办，一个 REST 接口就完事了。但对战（multiplayer）模式是实时对局，走的是 WebSocket，状态一直在变。这里没有一个你 POST 一下就完的接口，游戏状态是推给你的。

解决方法是：页面自己会建 WebSocket 连接，那我就在它建之前，把 window.WebSocket 换成我的。

这就是插件里那段我个人最得意的代码——一个 Manifest V3 扩展，用原生 world: "MAIN" 在 document_start 时机注入 ws_hook.js：

const NativeWebSocket = window.WebSocket;
let gameSocket = null;

function HookedWebSocket(url, protocols) {
  const ws = protocols === undefined
    ? new NativeWebSocket(url)
    : new NativeWebSocket(url, protocols);

  if (isGameSocketUrl(url)) {        // 只认游戏那条连接
    gameSocket = ws;
    ws.addEventListener("message", (event) => {
      // 把每一帧对局数据 postMessage 出去给 content script
      window.postMessage({ __strikleFeed: true, direction: "in", data: event.data }, "*");
    });
  }
  return ws;
}

HookedWebSocket.prototype = NativeWebSocket.prototype;
Object.setPrototypeOf(HookedWebSocket, NativeWebSocket);
window.WebSocket = HookedWebSocket;   // 偷梁换柱

数据这样源源不断被劫出来，content script 解析对局状态，用一份和 Python 等价的 JS 版信息熵算法 analyzer.js 算出最优猜测，再用 Shadow DOM 浮层显示在右上角。到这一步是"提示弗"——它告诉你该猜谁。

然后我把这条路反过来又走了一遍，做成"自动弗"：既然我能劫持这个 socket 收消息，那我也能让它替我发消息。content script 把要提交的猜测 postMessage 回 MAIN world，被劫持的那个 WebSocket 直接 send() 出去：

window.addEventListener("message", (event) => {
  const msg = event.data;
  if (!msg || !msg.__strikleSend) return;
  if (gameSocket && gameSocket.readyState === NativeWebSocket.OPEN) {
    gameSocket.send(msg.data);       // 用页面自己的连接，替我出手
  }
});

至此，对战模式也闭环了：实时状态进来 → 算法算 → 猜测原路发回去。

三：数据也得自己会更新

还有最后一块。选手库是会过期的——赛事一更新，新选手一来，算法再聪明也猜不到一个它数据库里根本没有的人。

今天又打开弗一把的时候，人数相比去年250多到337，有明显多了很多。

这次插件面板底部就一个 ⟳ 更新选手库 按钮。点一下，插件直连官方 API 把全部选手重抓一遍，带实时进度，结果直接写进 chrome.storage.local。加载时先读用户手动更新过的 chrome.storage.local，没有再回落到插件内置的 players_data.json：

const stored = await chrome.storage.local.get(STORAGE_KEY);
// 有用户更新过的就用新库，否则回落内置 JSON

更新一次长期生效，下次进房自动加载新库，不用重装扩展、不用碰任何文件。

如果27年的这个时候还在弗

填平一个坑，顺手挖下一个。

现在这套信息熵的速度不够快，说好听点是多维，说实话主要就是二维多一点：真正起作用的是年龄和 Major 参赛次数这两个数值属性，偶尔靠**定位（role）**补一刀，国籍和战队大多数时候只是陪跑。

但这游戏其实还有一个我从来没用过的信息——那个 close 的黄色提示。它不只表示"数值接近"：在地区这一维上，黄色的意思是"你猜的这个人所属的国家，和目标同一个大洲、或者同一个赛区"。做成了，收敛应该还能再快一截。

这边的问题就在于选手的国籍是自然语言，不是数字，这个玩意不方便做分类。

所以下一个坑是这样的：把"黄色 = 同洲/同区"这条软信息真正建模进信息熵里。这大概率要动到数据清洗——现在的选手数据里，国籍、赛区的表述并不规整，得先把国家→大洲→CS 赛区这套映射洗干净、对齐，才谈得上让算法去利用"接近"而不只是"命中/错误"。做成了，收敛应该还能再快一截。

这个坑，留给下一年那个（希望）更NB一点的我，或者更NB的Claude。

致谢

  • 玩机器 machine 的弗开策略
  • 感谢 xianhe 不知道为什么把这个游戏从垃圾堆里翻了出来，期末周期间玩得很爽
  • BLAST.tv 一如既往低劣的反爬意识，成全了这一切