端游 FPS 灵敏度测试与优化工具

本工具面向 PC 端游 FPS 玩家,用于测试和寻找合适的鼠标灵敏度。所有计算与测试均在浏览器本地完成,无需登录,不上传任何个人数据。

主要功能

常见问题

浏览器无法读取或修改游戏内灵敏度,也无法使用游戏的原始输入(Raw Input)。因此换算与评估是精确的,而瞄准测试仅反映当前 Windows 鼠标设置下的手眼协调表现,用于横向参考。真正的最佳灵敏度仍需在游戏内验证。

灵敏度测试与优化工具 端游 FPS 专用

专为端游 FPS 设计的灵敏度调试工具:通过科学换算(eDPI / cm/360)、浏览器内瞄准测试与多方案对比,帮助你在 PC 端游中系统化地找到适合自己的灵敏度。

能力边界说明:浏览器无法读取或修改游戏内灵敏度,也无法使用游戏的原始输入(Raw Input)。因此本工具的换算与评估是精确的;而瞄准测试仅反映你在当前 Windows 鼠标设置下的手眼协调表现,用于横向参考,不等同于游戏内实际手感。真正的最佳灵敏度仍需在游戏中验证。
使用统计 | 正在连接…

添加候选方案 核心 · 精确

输入游戏内灵敏度与鼠标 DPI。Windows 指针速度建议固定为 6/11 并关闭“提高指针精确度”。

方案列表

职业选手的 eDPI 多集中在 200–400,cm/360° 多在 30–50cm;这只是统计区间,并非唯一标准。

方案灵敏度DPIeDPIcm/360°评估操作
尚未添加方案

换算说明

  • eDPI = 游戏内灵敏度 × 鼠标 DPI,用于统一衡量不同 DPI 下的实际灵敏度水平。
  • cm/360° = 鼠标物理移动多少厘米可使角色水平转身一圈,是最直观的手感指标。按 yaw = 0.07°/count 计算。
  • 低 eDPI / 高 cm/360(如 30cm 以上)通常更利于精准定位;高 eDPI / 低 cm/360 更利于快速转身与近战拉枪。

选择测试方案 辅助 · 参考

测试结果会绑定到所选方案,稍后用于综合对比。请先在“灵敏度换算”中添加方案。

测试区域 自适应强度 · 样本量可调

强度随表现自动升降:目标更小、限时更短、移动更快,高难度还会出现干扰目标。最终得分按达到的最高强度加权,靠熟练度刷低难度分数不再有效。轮数越多,单次测试包含的样本越多,结论越可靠。

准备就绪

准备开始

点击“开始测试”,将鼠标移到测试区域内。

综合推荐

—
暂无数据

添加方案并完成测试后,这里会给出综合推荐。

推荐方案验证对比

各方案的历史平均测试分(0–100)。带高亮的为“智能推荐”生成的方案,用于验证它是否优于你之前的方案。

暂无可对比的数据,请先完成至少两次不同方案的测试。

统计显著性 样本量评估

均值取多次独立测试,95% 置信区间(CI)越窄说明得分越稳定可信。样本不足时偶然发挥会明显拉高/拉低均值,因此推荐算法会对小样本方案做收缩处理。

测试成绩

选敏建议

  • 样本量优先:每个方案建议累计至少 10 次独立测试(用"严谨"档可快速累积),并观察统计卡片中的 95% CI;CI 大幅重叠时不要急于判定优劣。
  • 先用换算把候选方案收敛到 eDPI 200–400、cm/360 30–50cm 的合理区间。
  • 在游戏中用同一张地图的靶场,对每个候选方案各练 10–15 分钟,重点感受压枪与定位。
  • 确定大致区间后,以 5–10 eDPI 为步进微调;一旦适应,避免频繁大幅改动。
  • 手腕流通常偏高 eDPI,手臂流通常偏低 eDPI;以定位稳定性和长时间舒适度为准。

灵敏度适配诊断 鼠标轨迹 × 目标运动拟合

追踪测试中逐帧记录你的准星与目标位置,用最小二乘拟合与互相关分析「跟随增益、时间滞后、反向修正率、跟随误差」,判断当前灵敏度相对你的操作是偏高、偏低还是合适。仅在鼠标锁定模式(灵敏度真实生效)下判定。

尚未有追踪测试数据。完成一次「追踪」或「综合」测试后,这里会显示诊断结果。

功能对比 常见方案横向参考

下表按通用能力维度,将本工具与两类常见方案做横向对比,帮助你了解各自侧重。维度为功能性描述,不针对任何具体产品。

能力维度本工具在线换算网页单纯游戏内靶场
eDPI / cm·360° 科学换算✓✓—
浏览器内甩枪 / 追踪测试✓—✓
多方案统计显著性(95% CI)✓——
自适应强度(防熟能生巧)✓——
AI 最小二乘自动寻优✓——
测试 / 追踪轨迹多样化✓—✓
一键得最佳灵敏度结果✓——
免安装、跨设备打开即用✓✓—

说明:本表为功能性自评,仅按通用能力维度做定性对比,不构成对任何具体产品的评价、贬损或商业比较;“✓/—”表示该类方案通常是否具备该能力,实际情况因具体产品而异。换算系数(偏航 0.07°/count)为公开数学常数,本工具不含任何游戏商标、美术素材或官方标识。

AI 全自动寻优 两端起始 · 最小二乘 · 最多 6 轮

灵敏度完全由 AI 决定,无需任何手动输入。AI 先测一慢一快两个端点(区间下限/上限各一次),依据两端得分插值推荐一个中间灵敏度进行第三次测试;三点成面后再用最小二乘法拟合「eDPI → 得分」响应曲线,求峰值预测最优值,逐轮收缩样本空间、自动布点。每批迭代最多 6 轮,达上限或提前收敛后自动停止并给出最佳结果;若想继续优化,再次点击「连续自动迭代」会在保留历史样本的基础上累加继续,不必从头开始。每次测试均为甩枪+追踪综合测试,且采用鼠标锁定 + 相对位移:准星移动速度真实随当前 eDPI 变化(高敏快而难控、低敏慢而精准),因此得分差异真正反映灵敏度优劣。点击开始后鼠标被锁定,按 Esc 可释放。

DPI 由 AI 统一固定为 800(换算基准);游戏内灵敏度 = eDPI ÷ 800,全程自动生成,人工不可更改。

尚未开始 · 点击「一步」启动 AI 寻优

响应曲线拟合 两端起始 · 最小二乘二次回归

AI 先测慢端与快端两个端点,再据两端得分插值推荐第 3 点;三点之后即可拟合。红点为已测试样本(eDPI, 得分);蓝色曲线为最小二乘拟合的二次响应面;绿色竖线为拟合峰值(AI 预测的最优 eDPI)。R² 越接近 1 说明该区域越可信。

AI 会先测两端灵敏度,再插值推荐第三点;累计 3 个不同 eDPI 成绩后即可拟合曲线。点击「一步」开始。

样本空间收缩 逐轮逼近

蓝色窗口为 AI 当前锁定的 eDPI 搜索区间,红竖线为已测试点。每轮拟合后,AI 会围绕预测峰值收窄区间,逐步把样本集中到最优附近。

迭代日志

算法说明

  • 两端起始:先在搜索区间测慢端(下限 eDPI)与快端(上限 eDPI)两个端点。两端得分差 Δ=(快−慢)/(快+慢),按 f=0.5+0.35Δ 插值出中间灵敏度(偏向得分更高的一端),作为第 3 个测试点。
  • 响应面模型:有了≥3 个点后,假设得分关于 eDPI 近似二次函数 score = a·eDPI² + b·eDPI + c。用最小二乘法(解 3×3 正规方程)按各点测试次数加权拟合出 a、b、c。
  • 峰值求解:当 a<0 时曲线开口向下,峰值 eDPI* = −b/(2a) 即为预测最优灵敏度;若 a≥0(数据单调),AI 会向得分更高的边界扩张继续探索。
  • 缩减样本空间:每轮把搜索区间收缩到峰值附近(宽度逐轮 ×0.6,下限 20 eDPI),下一测试点直接取峰值,从而在尽量少的测试次数内逼近最优。
  • 停止条件:每批迭代达到 6 轮时自动停止;若区间宽度 ≤20、累计至少 6 个测试点且拟合有效,也可能提前收敛。停止后给出最佳灵敏度:优先取最小二乘峰值,数据单调时退回实测最高分点。再次点击「连续自动迭代」会追加下一批(再 6 轮),并保留此前所有样本继续拟合。
  • 抗噪:每个 eDPI 测试的得分取多次平均,拟合按测试次数加权;样本不足时不会轻易收敛。
  • 局限:优化目标是浏览器内的自适应强度加权得分,反映当前鼠标/系统设置下的相对最优;最终手感仍建议在游戏中靶场确认。