mocode-ai 1.4.7 → 1.5.0

package/dist/attachments/image.js

@@ -76,3 +76,90 @@ export async function loadImageAttachment(input, opts) {
         },
     };
 }
+/**
+ * 从 dataUrl 里读出图片宽高(只解头部,不做完整解码)。
+ *
+ * 用途:视觉 token 估算 —— 图片 token 是按**像素面积**计费的(Claude 口径 ≈ w*h/750,
+ * OpenAI 系按 512 tile 分块,同量级),不是每图 85。按 85 估会把一张 1568×878 的截图
+ * (≈1835 token)低估 20 倍,后果是上下文压力线长期不触发、prompt 实际早就超了才 compact。
+ */
+export function imageSizeFromDataUrl(dataUrl) {
+    const comma = dataUrl.indexOf(',');
+    if (comma < 0)
+        return null;
+    const meta = dataUrl.slice(5, comma);
+    const isPng = meta.startsWith('image/png');
+    const isJpeg = meta.startsWith('image/jpeg') || meta.startsWith('image/jpg');
+    const isGif = meta.startsWith('image/gif');
+    const isWebp = meta.startsWith('image/webp');
+    if (!isPng && !isJpeg && !isGif && !isWebp)
+        return null;
+    // PNG IHDR 在头 33 字节内;JPEG 的 SOF 位置不定,gif/webp 头很小 —— 取 64KB 上界足够。
+    const b64 = dataUrl.slice(comma + 1, comma + 1 + 65536);
+    let buf;
+    try {
+        buf = Buffer.from(b64, 'base64');
+    }
+    catch {
+        return null;
+    }
+    if (isPng) {
+        if (buf.length < 24)
+            return null;
+        if (buf.toString('ascii', 12, 16) !== 'IHDR')
+            return null;
+        const w = buf.readUInt32BE(16);
+        const h = buf.readUInt32BE(20);
+        return w && h ? { width: w, height: h } : null;
+    }
+    if (isGif) {
+        if (buf.length < 10 || buf.toString('ascii', 0, 3) !== 'GIF')
+            return null;
+        const w = buf.readUInt16LE(6);
+        const h = buf.readUInt16LE(8);
+        return w && h ? { width: w, height: h } : null;
+    }
+    if (isWebp) {
+        // VP8X(扩展)/VP8(无损外)/VP8L 三种容器,只解析最常见且便宜的两种,其余兜底。
+        if (buf.length < 30 || buf.toString('ascii', 0, 4) !== 'RIFF')
+            return null;
+        const fourcc = buf.toString('ascii', 12, 16);
+        if (fourcc === 'VP8X') {
+            const w = 1 + buf.readUIntLE(24, 3);
+            const h = 1 + buf.readUIntLE(27, 3);
+            return w > 1 && h > 1 ? { width: w, height: h } : null;
+        }
+        if (fourcc === 'VP8 ') {
+            const w = buf.readUInt16LE(26) & 0x3fff;
+            const h = buf.readUInt16LE(28) & 0x3fff;
+            return w && h ? { width: w, height: h } : null;
+        }
+        return null;
+    }
+    // JPEG:扫 SOF0-SOF3/SOF5-SOF7/SOF9-SOF11/SOF13-SOF15
+    let i = 2;
+    while (i + 9 < buf.length) {
+        if (buf[i] !== 0xff) {
+            i++;
+            continue;
+        }
+        const marker = buf[i + 1];
+        if (marker === 0xd8 || marker === 0x01 || (marker >= 0xd0 && marker <= 0xd7)) {
+            i += 2;
+            continue;
+        }
+        const len = buf.readUInt16BE(i + 2);
+        if ((marker >= 0xc0 && marker <= 0xc3) ||
+            (marker >= 0xc5 && marker <= 0xc7) ||
+            (marker >= 0xc9 && marker <= 0xcb) ||
+            (marker >= 0xcd && marker <= 0xcf)) {
+            const h = buf.readUInt16BE(i + 5);
+            const w = buf.readUInt16BE(i + 7);
+            return w && h ? { width: w, height: h } : null;
+        }
+        if (len < 2)
+            return null;
+        i += 2 + len;
+    }
+    return null;
+}

package/dist/llm/index.js

@@ -2,6 +2,7 @@ import OpenAI from 'openai';
 import { config, getActiveModel } from '../config/index.js';
 import { tools } from '../tools/registry.js';
 import { getPlanDisabledTools, getProfileDisabledTools } from '../tools/constants.js';
+import { imageSizeFromDataUrl } from '../attachments/image.js';
 import { ThinkTagFilter } from './think-filter.js';
 import { sanitizeToolSchemas } from './tool-schema.js';
 import { defaultAnthropicFetch, anthropicChatOnce } from './providers/anthropic.js';
@@ -612,17 +613,38 @@ function contentToText(content) {
         return String(content);
     }
 }
-/** OpenAI 视觉模型单图固定 token(低细节 / auto 模式);高细节更大但属罕见路径,保守按 85 计。 */
-const IMAGE_TOKEN_COST = 85;
-/** 单个 content part 的 token:text part 走 estimateTokens,image_url part 固定 85。+2 结构开销。 */
+/**
+ * 解析不出尺寸时的兜底(OpenAI 低细节单图)。
+ * 真实的视觉 token 是按**像素面积**计费的:Claude 口径 ≈ w*h/750,OpenAI 系按 512 tile 分块、
+ * 同量级。按 85 估会把一张 1568×878 的截图(≈1835 token)低估 20 倍 —— 后果不是数字不好看,
+ * 而是 80% 上下文压力线长期不触发,prompt 实际早已超出才 compact,表现为「模型突然抽风」。
+ */
+const IMAGE_TOKEN_FALLBACK = 85;
+const TOKENS_PER_PIXEL = 1 / 750;
+function imageTokens(dataUrl) {
+    if (typeof dataUrl !== 'string' || !dataUrl.startsWith('data:'))
+        return IMAGE_TOKEN_FALLBACK;
+    const size = imageSizeFromDataUrl(dataUrl);
+    if (!size)
+        return IMAGE_TOKEN_FALLBACK;
+    return Math.max(IMAGE_TOKEN_FALLBACK, Math.round(size.width * size.height * TOKENS_PER_PIXEL));
+}
+/** 单个 content part 的 token:text part 走 estimateTokens,image_url part 按像素面积估。+2 结构开销。 */
 function partTokens(part) {
     if (!part || typeof part !== 'object')
         return 0;
     const p = part;
     if (p.type === 'text')
         return 2 + estimateTokens(p.text ?? '');
-    if (p.type === 'image_url')
-        return 2 + IMAGE_TOKEN_COST;
+    if (p.type === 'image_url') {
+        const iu = p.image_url;
+        const url = typeof iu === 'string'
+            ? iu
+            : typeof iu?.url === 'string'
+                ? iu.url
+                : '';
+        return 2 + imageTokens(url);
+    }
     return 2;
 }
 /** 估算多模态 content 的 token(text parts + 固定每图 85);不把 base64 走 estimateTokens,避免 1MB 图算成 25 万 token。 */

package/dist/repl/commands/tool-group.js

@@ -85,7 +85,7 @@ export const toolGroupCommands = [
     },
     // /cu|/computer [status|on|off] — computer-control 的高危 capability gate。
     // on 仅允许 router 在用户明确要求 GUI 操作时选择；每个动作仍经过权限门，plan 永远过滤。
-    (ctx) => {
+    async (ctx) => {
         const { line } = ctx;
         const isCu = line === '/cu' || line.startsWith('/cu ') || line === '/computer' || line.startsWith('/computer ');
         if (!isCu)
@@ -103,6 +103,20 @@ export const toolGroupCommands = [
             const state = t(enabled ? 'cu.stateOn' : 'cu.stateOff');
             layout.contentWrite(`${ui.accent}${t('cu.status', { state })}${ui.reset}\n` +
                 `${ui.dim}MOCODE_COMPUTER_USE_ENABLED=${enabled ? 'true' : 'false'} · ${CONFIG_PATH}${ui.reset}\n`);
+            // 埋点基线:优化前后都要能报出 p50/p95,否则「快了」只是感觉。
+            try {
+                const { getComputerMetrics } = await import('../../tools/builtins/computer.js');
+                const s = getComputerMetrics();
+                if (s.count > 0) {
+                    const kb = (s.avgBytes / 1024).toFixed(0);
+                    layout.contentWrite(`${ui.dim}${s.count} calls · total p50 ${s.totalP50}ms / p95 ${s.totalP95}ms · ` +
+                        `capture p50 ${s.captureP50}ms · ${kb}KB/frame · ` +
+                        `dedup ${(s.skippedRatio * 100).toFixed(0)}%${ui.reset}\n`);
+                }
+            }
+            catch {
+                // 埋点不可用时不影响状态输出。
+            }
             return next();
         }
         if (arg !== 'on' && arg !== 'off') {
@@ -117,6 +131,23 @@ export const toolGroupCommands = [
             ctx.history[0] = { role: 'system', content: ctx.buildSystemMessage(getAgentMode() === 'plan') };
             layout.rewriteBanner(bannerLines(ctx.banner()));
         }
+        if (!enabled) {
+            // 常驻 PowerShell 进程(注入 / 抓屏)不会随主进程自动退出(Windows 尤其),关开关时必须
+            // 显式回收,否则每次 /cu off 都留一组孤儿进程。差分基准帧与几何缓存也一并清掉。
+            try {
+                const [{ disposeInputInjector }, { disposeCaptureService }, { resetComputerState }] = await Promise.all([
+                    import('../../runtime/input-injector.js'),
+                    import('../../runtime/screen-capture-service.js'),
+                    import('../../tools/builtins/computer.js'),
+                ]);
+                await disposeInputInjector();
+                await disposeCaptureService();
+                resetComputerState();
+            }
+            catch {
+                // 从未启动过常驻进程:dispose 是空操作,忽略。
+            }
+        }
         layout.contentWrite(`${enabled ? ui.green : ui.yellow}${t(enabled ? 'cu.changedOn' : 'cu.changedOff')}${ui.reset}\n`);
         return next();
     },

package/dist/repl/runtime.js

@@ -53,7 +53,12 @@ function recallWindowMs(input) {
     const long = input.length >= 2 || [...joined].length >= LONG_INPUT_CHARS;
     if (!long)
         return PENDING_RECALL_MS;
-    const env = Number(process.env.MOCODE_RECALL_MS);
+    // 空串必须显式回落:Number('') === 0 且能通过下面的 >= 0 校验,
+    // 结果是撤回窗口变成 0(等于没有撤回窗口),而用户只是想清空这个配置。
+    const rawEnv = process.env.MOCODE_RECALL_MS;
+    if (rawEnv === undefined || rawEnv.trim() === '')
+        return PENDING_RECALL_LONG_MS;
+    const env = Number(rawEnv);
     return Number.isFinite(env) && env >= 0 ? env : PENDING_RECALL_LONG_MS;
 }
 let pendingTimer = null;

package/dist/runtime/idle-guard.js

@@ -0,0 +1,62 @@
+/**
+ * 常驻子进程的空闲回收。
+ *
+ * 为什么需要:computer use 的两个常驻进程(注入器 / 抓屏)都是**惰性**启动的 —— 第一次真正
+ * 用到才 spawn。但「惰性启动」只解决了「不用时不起」,没解决「用完了不退」:/cu 开着、用户
+ * 去做别的事(写代码、看 diff、甚至只是去吃个饭),那两个 PowerShell 进程会一直挂在后台。
+ *
+ * 所以生命周期是四段式:惰性启动 → 每次调用 touch 续期 → 空闲 N 分钟自动回收 → 退出时强制回收。
+ *
+ * 关键细节:`setTimeout(...).unref()`。不 unref 的话这个定时器本身就是一个 active handle,
+ * 会让 Node 主进程在 REPL 想退出时退不出去 —— 表现为「输 /exit 卡住几秒才走」。
+ */
+export class IdleGuard {
+    idleMs;
+    onIdle;
+    timer = null;
+    /**
+     * @param idleMs 空闲多久回收。<= 0 表示永不自动回收(只靠显式 dispose)。
+     * @param onIdle 回收回调,必须幂等(可能由超时、dispose、进程崩溃多方触发)。
+     */
+    constructor(idleMs, onIdle) {
+        this.idleMs = idleMs;
+        this.onIdle = onIdle;
+    }
+    /** 每次成功调用后续期。 */
+    touch() {
+        this.stop();
+        if (this.idleMs <= 0)
+            return;
+        this.timer = setTimeout(() => {
+            this.timer = null;
+            void this.onIdle();
+        }, this.idleMs);
+        // 见文件头:不 unref 会吊住 Node 退出。
+        this.timer.unref?.();
+    }
+    stop() {
+        if (this.timer) {
+            clearTimeout(this.timer);
+            this.timer = null;
+        }
+    }
+    get armed() {
+        return this.timer !== null;
+    }
+}
+/**
+ * 读一个毫秒数环境变量,非法值回落默认。
+ *
+ * 空串必须回落:`Number('')` 是 0,而 0 在本模块语义里是「关闭自动回收」—— 用户在 .env 里
+ * 写 `MOCODE_CU_CAPTURE_IDLE_MS=`(清空/注释掉的常见写法)会被静默解读成「永不回收」,
+ * 于是又回到留孤儿 PowerShell 的老问题。空 = 没配 = 用默认,只有显式写 0 才是 0。
+ */
+export function envInt(name, fallback) {
+    const raw = process.env[name];
+    if (raw === undefined || raw.trim() === '')
+        return fallback;
+    const n = Number(raw);
+    if (!Number.isFinite(n) || n < 0)
+        return fallback;
+    return Math.round(n);
+}

package/dist/runtime/input-injector.js

@@ -12,20 +12,69 @@
  */
 import { spawn } from 'node:child_process';
 import { filterEnv } from '../sandbox/index.js';
+import { IdleGuard, envInt } from './idle-guard.js';
 // ── Anthropic 键名 → Windows VK 码 ─────────────────────────────────────
 const VK_NAMED = {
-    return: 0x0d, enter: 0x0d, escape: 0x1b, esc: 0x1b, tab: 0x09, space: 0x20,
-    backspace: 0x08, delete: 0x2e, insert: 0x2d, home: 0x24, end: 0x23,
-    page_up: 0x21, pageup: 0x21, page_down: 0x22, pagedown: 0x22, prior: 0x21, next: 0x22,
-    left: 0x25, up: 0x26, right: 0x27, down: 0x28,
-    arrowleft: 0x25, arrowup: 0x26, arrowright: 0x27, arrowdown: 0x28,
-    ctrl: 0x11, control: 0x11, control_l: 0xa2, ctrl_l: 0xa2, control_r: 0xa3, ctrl_r: 0xa3,
-    alt: 0x12, alt_l: 0xa4, alt_r: 0xa5, option: 0x12,
-    shift: 0x10, shift_l: 0xa0, shift_r: 0xa1,
-    super_l: 0x5b, super: 0x5b, meta: 0x5b, win: 0x5b, cmd: 0x5b, command: 0x5b,
-    caps_lock: 0x14, num_lock: 0x90, scroll_lock: 0x91, print_screen: 0x2c, snapshot: 0x2c,
-    minus: 0xbd, equals: 0xbb, comma: 0xbc, period: 0xbe, slash: 0xbf,
-    semicolon: 0xba, quote: 0xde, bracketleft: 0xdb, bracketright: 0xdd, backslash: 0xdc, backquote: 0xc0,
+    return: 0x0d,
+    enter: 0x0d,
+    escape: 0x1b,
+    esc: 0x1b,
+    tab: 0x09,
+    space: 0x20,
+    backspace: 0x08,
+    delete: 0x2e,
+    insert: 0x2d,
+    home: 0x24,
+    end: 0x23,
+    page_up: 0x21,
+    pageup: 0x21,
+    page_down: 0x22,
+    pagedown: 0x22,
+    prior: 0x21,
+    next: 0x22,
+    left: 0x25,
+    up: 0x26,
+    right: 0x27,
+    down: 0x28,
+    arrowleft: 0x25,
+    arrowup: 0x26,
+    arrowright: 0x27,
+    arrowdown: 0x28,
+    ctrl: 0x11,
+    control: 0x11,
+    control_l: 0xa2,
+    ctrl_l: 0xa2,
+    control_r: 0xa3,
+    ctrl_r: 0xa3,
+    alt: 0x12,
+    alt_l: 0xa4,
+    alt_r: 0xa5,
+    option: 0x12,
+    shift: 0x10,
+    shift_l: 0xa0,
+    shift_r: 0xa1,
+    super_l: 0x5b,
+    super: 0x5b,
+    meta: 0x5b,
+    win: 0x5b,
+    cmd: 0x5b,
+    command: 0x5b,
+    caps_lock: 0x14,
+    num_lock: 0x90,
+    scroll_lock: 0x91,
+    print_screen: 0x2c,
+    snapshot: 0x2c,
+    minus: 0xbd,
+    equals: 0xbb,
+    comma: 0xbc,
+    period: 0xbe,
+    slash: 0xbf,
+    semicolon: 0xba,
+    quote: 0xde,
+    bracketleft: 0xdb,
+    bracketright: 0xdd,
+    backslash: 0xdc,
+    backquote: 0xc0,
 };
 for (let i = 1; i <= 12; i++)
     VK_NAMED[`f${i}`] = 0x6f + i;
@@ -48,7 +97,19 @@ export function mapKeyComboToVk(combo) {
                 return c - 0x20; // a-z → 0x41-0x5A
             if (c >= 0x30 && c <= 0x39)
                 return c; // 0-9
-            const punct = VK_NAMED[{ '-': 'minus', '=': 'equals', ',': 'comma', '.': 'period', '/': 'slash', ';': 'semicolon', "'": 'quote', '[': 'bracketleft', ']': 'bracketright', '\\': 'backslash', '`': 'backquote' }[key] ?? ''];
+            const punct = VK_NAMED[{
+                '-': 'minus',
+                '=': 'equals',
+                ',': 'comma',
+                '.': 'period',
+                '/': 'slash',
+                ';': 'semicolon',
+                "'": 'quote',
+                '[': 'bracketleft',
+                ']': 'bracketright',
+                '\\': 'backslash',
+                '`': 'backquote',
+            }[key] ?? ''];
             if (punct !== undefined)
                 return punct;
         }
@@ -69,6 +130,8 @@ const PS_INJECTOR_SCRIPT = [
     '  [DllImport("user32.dll")] public static extern bool GetCursorPos(out POINT lpPoint);',
     '  [DllImport("user32.dll")] public static extern uint SendInput(uint nInputs, INPUT[] pInputs, int cbSize);',
     '  [DllImport("user32.dll")] public static extern void mouse_event(uint dwFlags, uint dx, uint dy, int dwData, UIntPtr dwExtraInfo);',
+    '  [DllImport("user32.dll")] public static extern bool SetProcessDpiAwarenessContext(IntPtr ctx);',
+    '  [DllImport("user32.dll")] public static extern bool SetProcessDPIAware();',
     '  public struct POINT { public int X; public int Y; }',
     '  [StructLayout(LayoutKind.Sequential)] public struct INPUT { public uint type; public INPUTUNION U; }',
     '  [StructLayout(LayoutKind.Explicit)] public struct INPUTUNION { [FieldOffset(0)] public MOUSEINPUT mi; [FieldOffset(0)] public KEYBDINPUT ki; }',
@@ -76,6 +139,10 @@ const PS_INJECTOR_SCRIPT = [
     '  [StructLayout(LayoutKind.Sequential)] public struct KEYBDINPUT { public ushort wVk; public ushort wScan; public uint dwFlags; public uint time; public UIntPtr dwExtraInfo; }',
     '}',
     '"@',
+    // DPI 感知:SetCursorPos/GetCursorPos 始终按物理像素解释,而进程默认 DPI UNAWARE。
+    // 声明 PER_MONITOR_AWARE_V2(失败回落 SYSTEM_AWARE)后 GetCursorPos 与调用方的物理坐标口径一致,
+    // 避免 cursor_position 读回的坐标与主屏物理分辨率不同源。
+    'try { if (-not [Inject]::SetProcessDpiAwarenessContext([IntPtr](-4))) { [void][Inject]::SetProcessDPIAware() } } catch { }',
     'function Send-VkCombo([int[]]$vks) {',
     '  $size = [Runtime.InteropServices.Marshal]::SizeOf([type]"Inject+INPUT")',
     '  foreach ($vk in $vks) {',
@@ -163,6 +230,17 @@ class PowerShellInjector {
     pending = new Map();
     stdoutBuf = '';
     lastError = '';
+    /**
+     * 空闲回收:注入器同样是惰性启动的常驻进程,`/cu off` 之前会一直挂着。
+     * 用户开了 /cu 之后去做别的事(写代码、看 diff),不该白留一个 PowerShell。
+     * 回收只是 kill 子进程 —— 鼠标按下状态是 OS 级的,不随进程消失,下次调用惰性重建。
+     */
+    idle;
+    constructor(idleMs) {
+        this.idle = new IdleGuard(idleMs, () => {
+            void this.dispose();
+        });
+    }
     ensureProcess() {
         if (this.child && this.child.exitCode === null && !this.child.killed)
             return this.child;
@@ -250,6 +328,7 @@ class PowerShellInjector {
             if (resp.ok !== true) {
                 throw new Error(`injector op "${op}" failed: ${String(resp.detail ?? 'unknown error')}`);
             }
+            this.idle.touch();
             return resp;
         });
     }
@@ -288,10 +367,13 @@ class PowerShellInjector {
         return { x: Number(resp.x) || 0, y: Number(resp.y) || 0 };
     }
     async dispose() {
+        this.idle.stop();
         this.failAll(new Error('injector disposed'));
     }
 }
 let singleton = null;
+/** 常驻注入进程空闲多久自动回收(可配;0 = 只靠显式 dispose)。 */
+const DEFAULT_INJECTOR_IDLE_MS = 3 * 60 * 1000;
 /**
  * 取当前平台的 InputInjector。Windows 用 PowerShell 常驻进程(惰性启动);
  * 其它平台显式抛错——宁可诚实报「不支持」,也不静默失败。
@@ -301,7 +383,7 @@ export function createInputInjector() {
         throw new Error(`computer use input injection is not yet supported on ${process.platform} ` +
             '(Windows MVP via PowerShell; Rust enigo injector is the planned cross-platform path).');
     }
-    singleton ??= new PowerShellInjector();
+    singleton ??= new PowerShellInjector(envInt('MOCODE_CU_INJECTOR_IDLE_MS', DEFAULT_INJECTOR_IDLE_MS));
     return singleton;
 }
 /** 关闭常驻注入进程(REPL 退出 / /cu off 时调用)。 */