easy12306
easy12306 是一款基于机器学习算法的开源工具，旨在自动识别中国铁路 12306 购票网站中复杂的图形验证码。在抢票过程中，用户常需从九宫格图片中找出指定物体（如“电子秤”或“风铃”），这一环节往往阻碍了自动化脚本的运行。easy12306 通过深度学习模型，能够精准定位并分类验证码中的目标元素，有效解决了传统方法难以应对动态变化验证码的痛点。
该工具的核心亮点在于其双模型架构：分别针对文字指令识别和图像内容分类进行了专门训练。它不仅支持对已知类别的准确判断，还具备泛化能力，能够识别训练集中未曾出现过的图片对象，并输出可信度评分。对于开发者而言，项目提供了清晰的调用接口（如 python3 main.py）和详细的設計思路文档，便于集成到现有的抢票系统中；同时，它也适合对计算机视觉感兴趣的研究人员作为学习案例，探索相似图搜索与深度神经网络在实际场景中的应用。无论是希望提升抢票效率的技术爱好者，还是想要研究验证码对抗机制的专业人士，easy12306 都提供了一个高效、灵活的解决方案。
使用场景
某电商公司的自动化测试工程师正在构建一套 12306 火车票抢票监控脚本，需要在每日放票高峰期高频次模拟用户登录以检测余票状态。
没有 easy12306 时
- 每次脚本运行至登录环节都会因无法通过图形验证码而中断，必须依赖人工介入手动输入，彻底破坏了自动化流程的连续性。
- 若尝试接入第三方付费打码平台，不仅增加了运营成本，还面临接口响应延迟高、在早晚高峰拥堵时识别成功率大幅下降的风险。
- 自行训练深度学习模型门槛极高，需要收集海量 12306 特有的“点击图中物品”数据集并调参，开发周期长达数周且难以保证对未见图片的泛化能力。
- 传统的 OCR 或简单的模板匹配技术完全无法处理 12306 复杂的语义型验证码（如“请点击所有的风铃”），导致脚本几乎不可用。
使用 easy12306 后
- 脚本调用
python3 main.py即可在本地毫秒级完成验证码识别，自动输出目标物品的坐标位置，实现了从登录到查询的全链路无人值守自动化。 - 直接复用项目提供的
12306.image.model.h5预训练模型，无需任何数据采集和训练过程，开箱即用且零成本，显著降低了部署难度。 - 基于机器学习算法，easy12306 具备强大的泛化能力，即使面对从未见过的验证码图片或复杂背景，也能保持高可信度的识别准确率。
- 支持灵活的命令行集成，轻松将识别逻辑嵌入现有的 Python 抢票系统中，大幅提升了并发测试效率和系统稳定性。
easy12306 通过本地化的机器学习识别能力，将原本阻碍自动化流程的图形验证码难题转化为简单的命令行调用，极大提升了票务监控系统的效率与可靠性。
运行环境要求
- 未说明
未说明
未说明
快速开始
# easy12306
两个必要的数据集：
- 文字识别，model.h5
- 图片识别，12306.image.model.h5
识别器数据的下载地址：
python3 main.py <img.jpg>
我把设计思路写在维基中了：https://github.com/zhaipro/easy12306/wiki
如何？
~$ python3 main.py 2.jpg 2> /dev/null
电子秤
风铃 # 要找的是以上两样东西
0 0 电子秤 # 第一行第一列就是电子秤
0 1 绿豆
0 2 蒸笼
0 3 蒸笼
1 0 风铃
1 1 电子秤
1 2 网球拍
1 3 网球拍
识别前所未见的图片
具体的编号：texts.txt
~$ python3 mlearn_for_image.py 8.jpg
[0.8991613] # 可信度
[0] # 0 表示的就是打字机
什么？
只是想拿来识别12306的验证码？可以回顾3.0.0，使用相似图搜索。
版本历史
4.0.02019/10/023.0.02019/10/022.0.02019/10/02常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器