dsh-copilot-vision 1.0.0 → 1.1.0

package/README.md

@@ -10,7 +10,7 @@
 
 ### 动态视觉感知：不传全屏，传差分
 
-`vp_screenshot_diff` 用 pixelmatch 逐像素比对，4 邻域连通块合并，小于 100 像素的噪声（光标、闪烁）直接丢弃，把「哪里变了」而不是「整屏是什么」交还给模型。`vp_wait_change` 更进一步：每 100ms 在内存里截屏比对，**轮询期零落盘**，变化出现的瞬间才落一张正式截图。「等页面加载」从反复截图碰运气，变成一次有明确语义的等待。换显示器或改缩放后坐标即不可信——宽高或 scaleFactor 不一致直接报错，绝不重采样硬算。
+`vp_screenshot_diff` 用 pixelmatch 逐像素比对，4 邻域连通块合并，小于 100 像素的噪声（光标、闪烁）直接丢弃，把「哪里变了」而不是「整屏是什么」交还给模型。`vp_wait_change` 更进一步：每 100ms 在内存里截屏比对，**轮询期零落盘**，变化出现的瞬间才落一张正式截图。「等页面加载」从反复截图碰运气，变成一次有明确语义的等待。换显示器或改缩放后坐标即不可信——宽高或 scaleFactor 不一致直接报错，绝不重采样硬算。网格放大图不再固定 4 倍：按区域面积自适应倍率——≤50,000 物理像素 4x、≤200,000 2x、更大 1x 只画网格，大区域不再产出巨图；同时以「放大后单边 ≤2,000 像素」兜底，4,344×4 这类细长条不会被放大成 17,376 宽的畸形长图。每个区域以 `gridScale` 字段标明实际倍数。`coverage` 只是变色像素的比例，白底同类元素位移时可能仅 2% 却已改天换地——判断变化要看 `regions` 与 `gridPath` 的实际内容，不能只看覆盖率。上下文策略同样内置在工具 description 里（「长程上下文纪律」）：旧图会被清理、历史路径随时可能失效，模型必须以最新一次观察为准，偏离预期就直接重新截图，不翻历史记录。
 
 ### 人机共驾安全
 
@@ -20,9 +20,9 @@
 
 ### 位置编码注入
 
-大模型在原尺寸小图上数错行、估偏上百像素是常态。Vision-Pilot 把坐标计算交还给代码：每个差分区域附一张 `gridPath` 放大图——4x 最近邻放大，每 20 物理像素一条半透明红线，网格原点就是区域左上角（pngjs + 手写 Bresenham，零新增依赖）。模型只负责数格子、报百分比，`vp_click_relative` 完成精确换算。实测：模型按网格估点落进文字区，误差 ≤ 2.5px；同一场景靠肉眼估坐标偏过 111px。
+大模型在原尺寸小图上数错行、估偏上百像素是常态。Vision-Pilot 把坐标计算交还给代码：每个差分区域附一张 `gridPath` 放大图——按区域面积与单边长度自适应倍率（4x / 2x / 1x，放大后单边 ≤2,000 像素）的最近邻放大，每 20 物理像素一条半透明红线，网格原点就是区域左上角（pngjs + 手写 Bresenham，零新增依赖）。模型只负责数格子、报百分比，`vp_click_relative` 完成精确换算。实测：模型按网格估点落进文字区，误差 ≤ 2.5px；同一场景靠肉眼估坐标偏过 111px。
 
-<!-- 配图位 2：vp-grid-*.png 网格放大图示例（4x，红线每格 = 20 物理像素） -->
+<!-- 配图位 2：vp-grid-*.png 网格放大图示例（自适应倍率 4x/2x/1x 且单边 ≤2,000 像素，红线每格 = 20 物理像素） -->
 
 ## 工具集
 
@@ -57,7 +57,7 @@ DSH_HOME=<DSH_HOME> dsh plugin --profile web add dsh-copilot-vision
 
 # 或从本地 tarball 安装（开发调试）
 npm pack
-DSH_HOME=<DSH_HOME> dsh plugin --profile web add file:<绝对路径>/dsh-copilot-vision-1.0.0.tgz
+DSH_HOME=<DSH_HOME> dsh plugin --profile web add file:<绝对路径>/dsh-copilot-vision-1.1.0.tgz
 ```
 
 - **宿主**：web（问答卡片授权）/ headless（无 UI 答者，只能 Shift+Space，需真人在场）/ desktop（待 DSH 市场审核后内置验证）。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "dsh-copilot-vision",
-  "version": "1.0.0",
+  "version": "1.1.0",
   "description": "Computer Use enhancement plugin for DeepSeek Harness (DSH). 纯 JS 视觉差分、网格位置编码、长程任务闭环与人机共驾授权。",
   "main": "./src/index.js",
   "scripts": {

package/src/diff.js

@@ -3,8 +3,9 @@
 //
 // 边界（有意为之，不是欠债）：
 //   - localPath 仍是原尺寸裁剪：局部坐标 + bbox 左上角 = 全局物理坐标，模型可以直接换算。
-//   - 额外产出的 gridPath 是 4x 最近邻放大的「网格放大镜」（见 render.js），
-//     它只用于目测/相对点击，不改变 localPath 的 1:1 语义。
+//   - 额外产出的 gridPath 是按面积与单边长度自适应倍率的「网格放大镜」（小区域 4x / 中区域 2x / 大区域 1x，
+//     放大后单边不超过 2000 像素，见 render.js），
+//     它只用于目测/相对点击，不改变 localPath 的 1:1 语义；倍数随区域以 gridScale 字段返回。
 //   - 不做高频抽帧，只在调用时截一张当前图。
 //   - 尺寸/缩放不一致时直接抛错，不做任何重采样或硬算 —— 显示器或缩放变了，
 //     旧截图的坐标系已经不可信，勉强对齐只会给出错误坐标。
@@ -15,12 +16,12 @@ import pixelmatch from 'pixelmatch'
 import { screenshotAction } from './actions.js'
 import { get, recordRegions } from './shot-index.js'
 import { resolveShotsDir } from './paths.js'
-import { generateGridImage, MAX_GRID_SOURCE_AREA } from './render.js'
+import { generateGridImage, resolveGridScale } from './render.js'
 
 // 小于这个像素数的连通区域按噪声丢弃（光标闪烁、 blinking caret、亚像素抖动）。
 export const DEFAULT_MIN_REGION_AREA = 100
 
-// 网格图的成本是「每个区域一次 4x 放大 + PNG 编码」，差异块很多时（实测出现过单次 105 块）
+// 网格图的成本是「每个区域一次放大 + PNG 编码」，差异块很多时（实测出现过单次 105 块）
 // 全量生成只会拖慢工具并堆满临时目录，所以只给前 N 个（按面积降序）配网格图。
 export const MAX_GRID_REGIONS = 12
 
@@ -148,10 +149,8 @@ export function diffPair({
     }
     if (i >= MAX_GRID_REGIONS) {
       region.gridSkipped = `只给前 ${MAX_GRID_REGIONS} 个区域生成网格图（本区域排第 ${i + 1}）`
-    } else if (bbox.width * bbox.height > MAX_GRID_SOURCE_AREA) {
-      region.gridSkipped =
-        `区域 ${bbox.width}x${bbox.height} 超过网格图上限 ${MAX_GRID_SOURCE_AREA} 物理像素，直接看全屏更合适`
     } else {
+      region.gridScale = resolveGridScale(bbox.width, bbox.height)
       region.gridPath = generateGridImage(currentMeta.path, bbox, currentMeta.scaleFactor, {
         shotId: currentShotId,
         index: i + 1,

package/src/plugin.js

@@ -21,6 +21,8 @@ const AGENT_PROTOCOL =
   '2. 行动（Act）：点击目标（绝对坐标或相对坐标）。' +
   '3. 等待（Wait）：点击后必须立刻调用 vp_wait_change，确认界面给出了反馈。' +
   '4. 验证（Verify）：结合 wait_change 的返回结果（变化区域、超时），判断是否达到了本步目标；' +
+  '注意 coverage 低不代表界面没变——相同底色的元素位移或扩展可能覆盖率极低但布局已巨变，' +
+  '判断要以 regions 与 gridPath 的实际内容为准；' +
   '若超时未变，重新截图全局（Observe）再规划。' +
   '你的“工作日志”就是你自己每一次工具调用的原始 JSON 返回，请在每次决策前仔细阅读上一步的返回。'
 
@@ -28,6 +30,22 @@ const AGENT_PROTOCOL =
 const BLIND_CLICK_WARNING =
   '绝对禁止连续两次点击（盲点）。每次点击后，必须立刻调用 vp_wait_change 等待界面响应。'
 
+// 长程上下文纪律：只追加在三个「视觉产出」工具（screenshot/diff/wait）的 description 末尾，
+// 防止模型反复翻历史截图路径把上下文越滚越长。
+const CONTEXT_DISCIPLINE =
+  '【长程上下文纪律】' +
+  '1. 你的物理工作目录中，历史的差分图和网格图会被定期自动清理。' +
+  '请永远只依赖最近一次调用返回的 shotId 和 path。' +
+  '2. 不要去回忆或引用十分钟前的截图路径，如果当前状态偏离预期，请直接重新截图（vp_screenshot），' +
+  '不要试图在历史记录里找答案。' +
+  '3. 历史步骤的文本结论可以留在你的记忆里，但旧图像文件随时可能失效，以最新观察为准。'
+
+// coverage 误导：白底同类元素位移/扩展时，覆盖率可能只有百分之几，但布局已经巨变。
+const COVERAGE_WARNING =
+  '【重要：关于 coverage】coverage 只是变色像素的面积比例。' +
+  '如果界面是相同背景色（如白底）的元素位移或扩展，coverage 会非常低，但界面布局可能已经发生巨变。' +
+  '判断界面是否发生重要改变，不要只看 coverage，要以返回的 regions 和 gridPath 的实际内容为准。'
+
 const SCREENSHOT_DESCRIPTION =
   '截取主屏全屏并保存为 PNG 文件，返回文件路径（不是 base64，避免占用 token）。' +
   '返回的图像尺寸为物理像素，坐标原点为主屏左上角。' +
@@ -36,7 +54,8 @@ const SCREENSHOT_DESCRIPTION =
   '返回值中的 scaleFactor 用于把图像坐标换算成鼠标注入所需的逻辑坐标；' +
   '调用 vp_click 时直接传图像上的物理像素坐标即可，换算由 vp_click 内部完成。' +
   '返回的 shotId 可用于 vp_screenshot_diff 的 baseline 参数。' +
-  AGENT_PROTOCOL
+  AGENT_PROTOCOL +
+  CONTEXT_DISCIPLINE
 
 const DIFF_DESCRIPTION =
   '把当前屏幕与一张历史截图做逐像素差分，返回连通差异区域及其局部裁剪图。' +
@@ -45,17 +64,22 @@ const DIFF_DESCRIPTION =
   'regions[].bbox 与 regions[].offset 都是物理像素，原点为截图左上角，与 vp_click 的坐标系一致：' +
   '如果在局部图 localPath 上看到目标位于 (lx, ly)，要点击它就传全局坐标 (bbox.x + lx, bbox.y + ly)。' +
   'localPath 是原尺寸裁剪，局部图 1 像素等于全局 1 像素。' +
-  '每个区域还附带 gridPath：该区域 4 倍最近邻放大的网格图，红色网格横向/纵向每一格 = 20 物理像素' +
-  '（放大后 80 像素），网格原点就是 bbox 左上角；配合 vp_click_relative 可直接按相对百分比点击，不必自己算全局坐标。' +
+  '每个区域还附带 gridPath：该区域的最近邻放大网格图，放大倍数按区域面积自适应' +
+  '（≤50000 物理像素 4 倍、≤200000 2 倍、更大 1 倍），且放大后任何单边不超过 2000 像素' +
+  '（长边 >500 不做 4 倍、>1000 不做 2 倍），实际倍数见 regions[].gridScale；' +
+  '红色网格横向/纵向每一格 = 20 物理像素，网格原点就是 bbox 左上角；' +
+  '配合 vp_click_relative 可直接按相对百分比点击，不必自己算全局坐标。' +
   '找目标时，优先使用此工具生成局部放大网格图（gridPath）。不要在全屏图上瞎猜坐标，尽量使用 vp_click_relative 汇报百分比。' +
-  '区域超过 250000 物理像素、或排在第 12 个之后时不生成 gridPath，该区域带 gridSkipped 说明原因（bbox 与 localPath 仍可用）。' +
+  '排在第 12 个之后的区域不生成 gridPath，该区域带 gridSkipped 说明原因（bbox 与 localPath 仍可用）。' +
   '小于 100 像素的差异块按噪声（光标、闪烁）丢弃。' +
   'coverage 是差异像素占整屏像素的比例（0~1）；coverage 大于 0.4 时局部图已经没有意义，建议直接看全屏截图。' +
+  COVERAGE_WARNING +
   'changed=false 表示没有超过噪声阈值的差异区域，不等于屏幕完全没变；要确认刚才的操作是否生效，建议看全屏。' +
   'baseline 与当前截图的宽高或 scaleFactor 不一致时直接报错（多半是换了显示器或改了缩放比例），' +
   '不做重采样硬算，请重新调用 vp_screenshot 取新的 baseline。' +
   '每次调用都会真实截一张新屏幕并写入索引，返回的 currentShotId 可以继续当 baseline 用。' +
-  AGENT_PROTOCOL
+  AGENT_PROTOCOL +
+  CONTEXT_DISCIPLINE
 
 const WAIT_DESCRIPTION =
   '等待屏幕相对某张历史截图发生变化：工具内部循环截屏并逐像素比对，一旦变化面积超过阈值就立刻返回，' +
@@ -70,16 +94,19 @@ const WAIT_DESCRIPTION =
   '变化判据：过滤噪声（抗锯齿像素、以及小于 100 像素的连通块）后，差异像素占整屏比例 > 0.001 才算变了。' +
   '检测到变化返回 {changed:true, waitedMs, currentShotId, regions, coverage}，' +
   '其中 currentShotId 是那张正式截图，可以继续当后续 baseline 用。' +
+  COVERAGE_WARNING +
   '超时未变返回 {changed:false, waitedMs, timeout:true}，没有 currentShotId 也没有 regions；' +
   '说明这段时间屏幕真的没动。如果返回 timeout: true，代表操作可能失败或界面卡死：' +
   '绝对不要盲目重试，必须先调用 vp_screenshot 获取全局截图、重新规划，再决定下一步（包括是否继续等待）。' +
   '坐标系与 vp_screenshot_diff 完全一致：regions[].bbox 与 offset 都是物理像素、原点为截图左上角，' +
   '局部图 localPath 未放大；在局部图上看到目标位于 (lx, ly)，要点它就传全局坐标 (bbox.x + lx, bbox.y + ly)。' +
-  '每个区域还附带 gridPath：4 倍最近邻放大的网格图，每一格 = 20 物理像素（放大后 80 像素），' +
-  '原点为 bbox 左上角；配合 vp_click_relative 可直接按相对百分比点击。' +
-  '区域超过 250000 物理像素、或排在第 12 个之后时没有 gridPath，会带 gridSkipped 说明。' +
+  '每个区域还附带 gridPath：按面积自适应放大的网格图（≤50000 物理像素 4 倍、≤200000 2 倍、更大 1 倍；' +
+  '放大后任何单边不超过 2000 像素，长边 >500 不做 4 倍、>1000 不做 2 倍，实际倍数见 regions[].gridScale），' +
+  '每一格 = 20 物理像素，原点为 bbox 左上角；配合 vp_click_relative 可直接按相对百分比点击。' +
+  '排在第 12 个之后的区域没有 gridPath，会带 gridSkipped 说明。' +
   '它只负责「等」，不会替你制造变化：需要交互就先 vp_click，再用本工具等界面响应。' +
-  AGENT_PROTOCOL
+  AGENT_PROTOCOL +
+  CONTEXT_DISCIPLINE
 
 const CLICK_DESCRIPTION =
   '在主屏上点击一次鼠标。入参 x/y 为物理像素坐标，原点为主屏左上角，' +
@@ -95,7 +122,7 @@ const CLICK_RELATIVE_DESCRIPTION =
   '在某个差分区域内部按相对位置点击，不需要自己计算全局像素坐标。' +
   'shotId 用 vp_screenshot_diff / vp_wait_change 返回的 currentShotId；index 是 regions 数组里的 1-based 序号。' +
   'xPercent/yPercent 是 0.0~1.0 的相对位置：0 表示区域左/上边缘，1 表示右/下边缘。' +
-  '建议先看该区域的 gridPath：那是 4 倍最近邻放大的网格图，横向/纵向每一小格 = 20 物理像素，' +
+  '建议先看该区域的 gridPath：那是按面积自适应放大的网格图（倍数见 regions[].gridScale），横向/纵向每一小格 = 20 物理像素，' +
   '网格原点为 bbox 左上角；数好格子后，用「格数 × 20 ÷ bbox 宽（或高）」换算成百分比，也可以直接目测。' +
   '换算由本工具完成：physical.x = bbox.x + round(xPercent × (bbox.width - 1))，y 同理；不要自己算。' +
   'index 越界、百分比不在 0~1、shotId 没有差分区域时直接抛错。' +
@@ -374,6 +401,7 @@ export function createPlugin(defineTool, ctx, hotkeyState = { available: false,
                 bbox: BBOX_SCHEMA,
                 localPath: { type: 'string', required: true },
                 gridPath: { type: 'string' },
+                gridScale: { type: 'number' },
                 gridSkipped: { type: 'string' },
                 offset: OFFSET_SCHEMA,
               },
@@ -399,7 +427,7 @@ export function createPlugin(defineTool, ctx, hotkeyState = { available: false,
                 `全局坐标 = (bbox.x + lx, bbox.y + ly) = (${region.bbox.x} + lx, ${region.bbox.y} + ly)；` +
                 `局部图 ${region.localPath}` +
                 (region.gridPath !== undefined
-                  ? `；网格图 ${region.gridPath}（每格 20 物理像素）`
+                  ? `；网格图 ${region.gridPath}（${region.gridScale} 倍放大，每格 20 物理像素）`
                   : `；无网格图：${region.gridSkipped}`),
               ).join('\n')
             : '未发现超过噪声阈值的差异区域；要确认操作是否生效，建议看全屏截图') +
@@ -453,6 +481,7 @@ export function createPlugin(defineTool, ctx, hotkeyState = { available: false,
                 bbox: BBOX_SCHEMA,
                 localPath: { type: 'string', required: true },
                 gridPath: { type: 'string' },
+                gridScale: { type: 'number' },
                 gridSkipped: { type: 'string' },
                 offset: OFFSET_SCHEMA,
               },
@@ -473,12 +502,12 @@ export function createPlugin(defineTool, ctx, hotkeyState = { available: false,
               `全局坐标 = (${region.bbox.x} + lx, ${region.bbox.y} + ly)；` +
               `局部图 ${region.localPath}` +
               (region.gridPath !== undefined
-                ? `；网格图 ${region.gridPath}（每格 20 物理像素）`
+                ? `；网格图 ${region.gridPath}（${region.gridScale} 倍放大，每格 20 物理像素）`
                 : `；无网格图：${region.gridSkipped}`),
             ).join('\n') +
             `\n` + JSON.stringify(value) + noticeLine()
           : `等待 ${value.waitedMs}ms 超时：屏幕相对 baseline #${_args.baseline} 没有可见变化，` +
-            `本次未落盘、未消耗 shotId。可以加大 timeoutMs 再等一次，或用 vp_screenshot 看全屏。\n` +
+            `本次未落盘、未消耗 shotId。超时未检测到变化。请先调用 vp_screenshot 重新观察全屏，切勿盲目重试。\n` +
             JSON.stringify(value) + noticeLine(),
       }],
     },

package/src/render.js

@@ -1,4 +1,4 @@
-// 位置编码渲染：把差分区域裁出来、4x 最近邻放大、叠加半透明红色网格，
+// 位置编码渲染：把差分区域裁出来、按面积自适应倍率最近邻放大、叠加半透明红色网格，
 // 让模型在「带标尺的放大镜」上数格子，而不是在全屏小图上目测偏移。
 //
 // 选型（不引新依赖）：只用 pngjs + 手写 Bresenham。
@@ -14,11 +14,29 @@ import { resolveShotsDir } from './paths.js'
 
 export const GRID_SCALE = 4
 export const GRID_STEP_PHYSICAL = 20
+// 4x 档的图内步距（放大图上每格像素数）；其余档位 = GRID_STEP_PHYSICAL × 倍数。
 export const GRID_STEP_IMAGE = GRID_SCALE * GRID_STEP_PHYSICAL // 80
 
-// 4x 放大后的缓冲是源面积的 16 倍（RGBA 字节数 64 倍）。250k 物理像素 ≈ 4M 放大像素 ≈ 16MB buffer，
-// 再大就不适合当「局部放大镜」了 —— 退回看全屏截图更合理。
-export const MAX_GRID_SOURCE_AREA = 250_000
+// 自适应倍率阈值（物理像素面积）：小区域 4x 保极限精度，中区域 2x 体积减半，
+// 大区域（整页刷新级）1x 只画网格 —— 1920x1200 全屏若 4x = 7680x4800 ≈ 147MB RGBA，绝不可接受。
+// 1x 后输出不可能超过源截图本身，所以不再需要旧的 250k 物理像素 gridSkipped 上限。
+export const GRID_AREA_MAX_4X = 50_000
+export const GRID_AREA_MAX_2X = 200_000
+
+// 面积小但极细长的区域（4344x4 的边框/分隔线）会骗过面积档位：4x 后变成 17376x16 的超长图。
+// 因此再按单边长度封顶：放大后任何一边都不得超过 2000 像素（即 4x 要求长边 <=500，2x 要求 <=1000）。
+// 1x 不再放大，允许输出等于源区域本身，即使源区域长边超过 2000（裁剪尺寸不能凭空压缩）。
+export const GRID_MAX_OUTPUT_EDGE = 2000
+
+/** 按区域物理像素尺寸选放大倍数：面积定基础档位，单边上限再降档。 */
+export function resolveGridScale(width, height) {
+  const area = width * height
+  const maxEdge = Math.max(width, height)
+  let scale = area <= GRID_AREA_MAX_4X ? 4 : area <= GRID_AREA_MAX_2X ? 2 : 1
+  if (scale === 4 && maxEdge * 4 > GRID_MAX_OUTPUT_EDGE) scale = 2
+  if (scale === 2 && maxEdge * 2 > GRID_MAX_OUTPUT_EDGE) scale = 1
+  return scale
+}
 
 const LINE_R = 255
 const LINE_G = 0
@@ -59,7 +77,8 @@ function drawLine(png, x0, y0, x1, y1, alpha = GRID_ALPHA) {
 }
 
 /**
- * 从源截图裁剪 bbox、最近邻放大 GRID_SCALE 倍、每 GRID_STEP_PHYSICAL 物理像素画一条半透明红线，
+ * 从源截图裁剪 bbox、按 resolveGridScale(宽, 高) 自适应倍率最近邻放大、
+ * 每 GRID_STEP_PHYSICAL 物理像素画一条半透明红线，
  * 落盘为 vp-grid-<shotId>-<index>.png。网格原点 = bbox 左上角（bbox 内第 0 个物理像素）。
  *
  * 文件名里的 shotId/index 不在规格签名里，但文件名要求它们，所以通过第 4 个参数传入；
@@ -85,13 +104,7 @@ export function generateGridImage(sourcePngPath, bbox, scaleFactor, { shotId, in
       `收到 shotId=${shotId}, index=${index}`,
     )
   }
-  const area = bbox.width * bbox.height
-  if (area > MAX_GRID_SOURCE_AREA) {
-    throw new Error(
-      `generateGridImage: 区域 ${bbox.width}x${bbox.height}（${area} 像素）超过网格图上限 ` +
-      `${MAX_GRID_SOURCE_AREA}，不放大（放大后缓冲为源面积的 16 倍）`,
-    )
-  }
+  const scale = resolveGridScale(bbox.width, bbox.height)
 
   const source = PNG.sync.read(readFileSync(sourcePngPath))
   if (bbox.x + bbox.width > source.width || bbox.y + bbox.height > source.height) {
@@ -101,28 +114,28 @@ export function generateGridImage(sourcePngPath, bbox, scaleFactor, { shotId, in
     )
   }
 
-  const outWidth = bbox.width * GRID_SCALE
-  const outHeight = bbox.height * GRID_SCALE
+  const outWidth = bbox.width * scale
+  const outHeight = bbox.height * scale
   const out = new PNG({ width: outWidth, height: outHeight })
   const rowBuf = Buffer.alloc(outWidth * 4)
 
   for (let sy = 0; sy < bbox.height; sy++) {
     const srcRow = ((bbox.y + sy) * source.width + bbox.x) * 4
     for (let dx4 = 0; dx4 < outWidth * 4; dx4 += 4) {
-      // dx4/4 = 目标列，再除以 GRID_SCALE 才是源列（最近邻：目标 4 列共用 1 源像素）。
-      const from = srcRow + ((dx4 / (4 * GRID_SCALE)) | 0) * 4
+      // dx4/4 = 目标列，再除以 scale 才是源列（最近邻：目标 scale 列共用 1 源像素）。
+      const from = srcRow + ((dx4 / (4 * scale)) | 0) * 4
       rowBuf[dx4] = source.data[from]
       rowBuf[dx4 + 1] = source.data[from + 1]
       rowBuf[dx4 + 2] = source.data[from + 2]
       rowBuf[dx4 + 3] = source.data[from + 3]
     }
-    for (let k = 0; k < GRID_SCALE; k++) {
-      rowBuf.copy(out.data, (sy * GRID_SCALE + k) * outWidth * 4)
+    for (let k = 0; k < scale; k++) {
+      rowBuf.copy(out.data, (sy * scale + k) * outWidth * 4)
     }
   }
 
-  for (let x = 0; x < outWidth; x += GRID_STEP_IMAGE) drawLine(out, x, 0, x, outHeight - 1)
-  for (let y = 0; y < outHeight; y += GRID_STEP_IMAGE) drawLine(out, 0, y, outWidth - 1, y)
+  for (let x = 0; x < outWidth; x += GRID_STEP_PHYSICAL * scale) drawLine(out, x, 0, x, outHeight - 1)
+  for (let y = 0; y < outHeight; y += GRID_STEP_PHYSICAL * scale) drawLine(out, 0, y, outWidth - 1, y)
 
   const dir = resolveShotsDir()
   mkdirSync(dir, { recursive: true })

package/src/shot-index.js

@@ -118,7 +118,7 @@ export function recordRegions(shotId, regions) {
   entry.regions = regions.map((region) => ({
     bbox: { ...region.bbox },
     localPath: region.localPath,
-    ...(region.gridPath !== undefined ? { gridPath: region.gridPath } : {}),
+    ...(region.gridPath !== undefined ? { gridPath: region.gridPath, gridScale: region.gridScale } : {}),
   }))
   flush()
   return true