bot

每日一句，发送至多人，多个群 1 # -*- coding: utf-8 -*- 2 # from __future__ import unicode_literals 3 from threading import Timer 4 from wxpy import * 5 import requests 6 bot = None 7 def get_news1(): 8 # 获取金山词霸每日一句，英文和翻译 9 url = " http://open.iciba.com/dsapi/ " 10 r = requests.get(url) 11 print (r.json()) 12 contents = r.json()[ ‘ content ‘ ] 13 note = r.json()[ ‘ note ‘ ] 14 translation = r.json()[ ‘ translation ‘ ] 15 return contents,note,translation 16 def login_wechat(): 17 18 global bot 19 # bot = Bot() 20 bot = Bot(console_qr=2,cache_path= " botoo.pkl " ) # Linux专用，像素二维码 21 22 def send_news(): 23 if

1.相关链接和地址 我的本次作业链接： https://www.cnblogs.com/wersat/p/11768851.html 搭档（胡浩楠）作业链接： https://www.cnblogs.com/ambition-hhn/p/11736917.html github仓库链接： https://github.com/Alexandust/Teamwork 2.具体分工 浩楠负责本次作业的AI部分,写出牌的算法,我负责UI部分功能实现。 3.PSP表格 PSP2.1 Personal Software Process Stages 预估耗时（分钟） 实际耗时（分钟） Planning 计划 20(sum) 20(sum) ·Estimate ·估计这个任务需要多少时间 20 20 Development 开发 790(sum) 1200(sum) ·Analysis ·需求分析 (包括学习新技术) 180 200 ·Design Spec ·生成设计文档 70 90 ·Design Review ·设计复审 30 30 ·Coding Standard ·代码规范 30 60 ·Design ·具体设计 60 80 ·Coding ·具体编码 200 280 ·Code Review ·代码复审 40 60 ·Test ·测试 180 400 Reporting 报告

1.相关链接和地址 2.具体分工 我负责本次作业的AI部分,写出牌的算法,我的队友负责UI部分功能实现。 3.PSP表格 PSP2.1 Personal Software Process Stages 预估耗时（分钟） 实际耗时（分钟） Planning 计划 20(sum) 20(sum) ·Estimate ·估计这个任务需要多少时间 20 20 Development 开发 790(sum) 1200(sum) ·Analysis ·需求分析 (包括学习新技术) 180 200 ·Design Spec ·生成设计文档 70 90 ·Design Review ·设计复审 30 30 ·Coding Standard ·代码规范 30 60 ·Design ·具体设计 60 80 ·Coding ·具体编码 200 280 ·Code Review ·代码复审 40 60 ·Test ·测试 180 400 Reporting 报告 130(sum) 170(sum) ·Test Repor ·测试报告 40 60 ·Test Repor ·计算工作量 30 30 ·Postmortem & Process Improvement Plan ·事后总结, 并提出过程改进计划 60 80 · 合计 940 1390 4.解题思路描述与设计实现说明 网络接口的使用

搭建环境：这边使用的是Python3 （1）使用vistualenv 创建一个与其他python项目隔离的环境 virtualenv starterbot （2） 激活virtualenv source starterbot/bin/activate （3）安装slackclient Slack构建 的官方 API帮助程序库可以发送和接收来自Slack频道的消息 pip3 install slackclient （4）登录slack官网，注册一个账号， 戳账号注册 戳slackAPI 还需要 创建一个Slack App 来为你的机器人接收一个API令牌。 使用xxx(按照喜好取名)作为你的应用程序名称。 如果你登录了多个工作区，请从下拉列表中选择一个开发工作区 （6）填入app的名字，和之前注册slack加入的workspace （7）create App之后，进入app的配置页面 （8） 我们希望我们的Starter Bot像您团队中的任何其他用户一样出现 - 它将参与渠道，小组和DM中的对话。 在Slack App中，这被称为 bot用户 ，我们通过在“功能”部分下选择“Bot Users”来设置它。 点击“Add a Bot User”后，您应该选择一个显示名称，选择一个默认的用户名，并通过点击“添加Bot用户”保存您的选择 把应用程序安装到我们的开发工作区中。

很多管理大量微信社群的小伙伴都有这样的场景，当微信群的人数达到100人之后，将不能在通过分享的群二维码加入群里，必须自主添加好友后，手动去邀请才能加用户拉入群众，如果有大量的用户加群，就只能一个一个手动的拉，想想心情就很美丽，手动哭泣。。。。 1、一台不关机的电脑 OR 一台服务器 2、 安装以下相关依赖（有的不需要） #coding=utf8 import requests from requests import exceptions from urllib.request import urlopen from bs4 import BeautifulSoup from urllib.parse import urlencode from threading import Timer import re from wxpy import * import schedule import time import http import json import datetime import random import os import ctypes 3、一个能够在网页版微信登录的账号（重要） 4、该微信创建群聊，并保存通讯录中（重要） bot = Bot(cache_path=True,console_qr = 2) bot.enable_puid('wxpy_puid

1、需求场景 很多管理大量微信社群的小伙伴都有这样的场景，当微信群的人数达到100人之后，将不能在通过分享的群二维码加入群里，必须自主添加好友后，手动去邀请才能加用户拉入群众，如果有大量的用户加群，就只能一个一个手动的拉，想想心情就很美丽，手动哭泣。。。。 2、准备工作 1、一台不关机的电脑 OR 一台服务器 2、 安装以下相关依赖（有的不需要） #coding=utf8 import requests from requests import exceptions from urllib.request import urlopen from bs4 import BeautifulSoup from urllib.parse import urlencode from threading import Timer import re from wxpy import * import schedule import time import http import json import datetime import random import os import ctypes 3、一个能够在网页版微信登录的账号（重要） 4、该微信创建群聊，并保存通讯录中（重要） 3、代码部分 3.1、注册机器人 bot = Bot(cache_path=True,console_qr = 2

ASE——第一次结对作业 问题定义 很早就听说了MSRA的黄金点游戏，让大家写Bot来参加比赛看谁的AI比较聪明可以操盘割韭菜。深感ASE课程老师设计的任务太用心了，各种接口都准备好了，大家只用专注于算法部分。方便上手然后也挺好玩(最后玩自闭了) 问题定义 黄金点游戏里所有玩家出两个数，平均值乘0.618就是这局的Golden Number，出的数字离Golden Number最近的玩家得分，最远的玩家扣分。不过每次得分等于玩家数，扣分固定是只有两分。游戏规则相当于鼓励大家骚操作，扣点分没关系重要的是怎么更好地预测出下次的黄金点，高概率的得分是制胜法宝。老师鼓励大家使用RL的方法来参加比赛，那么从RL的角度来看黄金点游戏的话：某个玩家的bot就是agent（因为不考虑bot间合作的情况），其他bot和之前的对局情况对于这个bot来说就是enviroment。很显然这个environment是相当复杂的，并且是动态变化的，agent需要不断地采集environment的信息来调整自己的policy以获得最终的胜利。 问题的难点 黄金点游戏的environment的描述很难 我们可以拿到数据有各个玩家当前的得分，所有玩家历史数据。怎么用这些数据有效的表示出现在的state是一个比较麻烦的问题。老师的demo里仅仅使用最近10次黄金点上升和下降的次数作为当前state的描述

问题定义 bot没一轮产生2个黄金点，黄金点在0-100之间的实数，统计没一轮所有提交，求平均并乘以0.618得到黄金点，离黄金点最近的得人数减一分，最远的得-2分，其他得0分 方法建模 使用强化学习来解决这个问题，这里使用最简单Q_table来纪录学习到的“经验”。 观测先前的比赛过程，黄金点有规律起伏，所以以趋势最为状态，也就是最近十次黄金点的升降状态。而action包括取上次黄金点，取平均等。 队友评价 队友退课了，所以都是我一个人做的 第一次比赛 本来计划好的使用BQN来做，但是没想到队友中途出了点状况，所以就没有继续下去，还是使用了Q_table来做这次实验，主要的想法其实就是对增加几个action，考虑的情况五花八门，例如滑动平均，最大值，最大最小平均，峰值等。同时考虑到将黄金点尽量往bot推测出的值这边拉，我将所有bot的两个输出数值设为一样的了。本以为这样其实会比较好，但是没想到最终得了个倒数第二。 第二次比赛 第一次结果很差，我感觉很有必要搞DQN，但是精力有限遂放弃之，反思之后觉得之所以结果如此差，应该跟我设过多的action和每次只产生相同的两个数有关系。过多的action其实让bot很难收敛，而且试错成本增加，所以这次我将action的数据减了一半，并让每个action产生两个不同的结果，并且利用第一次的结果中一些数值观测和0.618来参与到预测中。

问题定义 游戏规则： N个玩家，每人写一个或两个0~100之间的有理数 (不包括0或100)，提交给服务器，服务器在当前回合结束时算出所有数字的平均值，然后乘以0.618，得到G值。 提交的数字最靠近G（取绝对值）的玩家得到N分，离G最远的玩家得到－2分，其他玩家得0分。 只有一个玩家参与时不得分。 我们的比赛中，每个玩家在每个回合提交两个数，最后的得分也即两个数字分别的得分之和。 难点分析： 这个游戏的难点在于他是一个多人决策游戏，如果采用强化学习作为策略，它的state和action都不是那么好去定义，而且很难去直接的判断定义的优劣，即使是在某一场游戏中表现的很好，也很难直接地认为是由于state和action定义的好。再一个就是它也很难像其他游戏那样可以预先去训练好一个通用的模型，因为每次一起参与游戏的玩家都不一样，很难有一个通用的model去应对所有的情况。 方法建模 在选择方法上面，我们选择了DQN（深度强化学习）来作为我们的策略，选择DQN的原因一个就是之前提到的state定义的问题，传统的Q Learning需要定义若干个离散的state，而DQN则可以将连续的state作为输入，还有一个原因也是我们两个之前接触这方面不多，也想通过这次机会对DQN有个更深入的了解。 DQN的伪代码和算法流程如下所示： 简单来说，就是输入state到定义的网络Q中，得到n个输出

一、问题重述与分析： 1.1 问题重述：　　 　　黄金点比赛共进行10000 rounds，每个round 5s时间，每位玩家（Bot）需在5s内提交2个数字去逼近黄金点。提交数字最接近黄金点（距离取绝对值）的玩家获最高分n（房间内玩家数量），最远离黄金点的玩家扣2分，其余玩家积分不变。10000 rounds后，得分最多的玩家获胜。 　　黄金点定义：在每个round内，n位玩家所提交2n个数字，取平均值，乘以0.618，即为该轮黄金点。 1.2 问题分析： 　　可采用解决方法：策略驱动，数据数据。 　　策略驱动：如何让自己的策略脱颖而出？由于各玩家都会采用策略，如趋势判定、阈值判定、大数扰动等，配合强化学习，可能能做出极好的Bot。但由于组内两个人对RL、DQN等强化学习模型都没怎么接触过，不确定能否写出work的强化学习Bot。但假如不用强化学习，手动设定的策略由于不可调整，很容易被好的学习模型学到我们的策略，一定得不到高分。 　　数据驱动：不考虑策略，仅依赖数据产生预测值，如滑动平均、灰色预测、RNN等。但是，假如玩家中有人故意出大数干扰，数据驱动很可能会失效。 二、Bot算法设计： 2.1 算法描述：　　 　　Number1：以该round以前的10个黄金点作为输入，训练一个LSTM模型，输出预测黄金点，并与前10个黄金点做平均； 　　Number2：前一个黄金点乘以0