ms-vite-plugin 1.4.19 → 1.4.20

package/dist/cli.js

@@ -684,6 +684,13 @@ async function ocrCommand(options) {
         const texts = textItems.length > 0 ? textItems : undefined;
         const languages = parseAppleOcrLanguages(options.languages);
         const confidenceThreshold = parseCliNumber(options.confidenceThreshold, 0.6, "confidence-threshold", 0, 1);
+        const paddleModel = options.paddleModel === undefined
+            ? undefined
+            : parseCliChoice(options.paddleModel, ocr_tools_1.PADDLE_OCR_MODELS[0], ocr_tools_1.PADDLE_OCR_MODELS, "paddle-model");
+        const maxSideLen = options.maxSideLen === undefined
+            ? undefined
+            : parseCliInteger(options.maxSideLen, 0, "max-side-len", 0);
+        const useGpu = options.useGpu === true ? true : undefined;
         const timeoutMs = parseCliInteger(options.timeoutMs, 60000, "timeout-ms", 1000, 600000);
         const format = parseCliChoice(options.format, "summary", ["summary", "json"], "format");
         const result = await (0, ocr_tools_1.runOcrRecognitionOnDevice)(target, {
@@ -698,6 +705,9 @@ async function ocrCommand(options) {
             languages,
             confidenceThreshold,
             exactMatch: options.exactMatch === true,
+            paddleModel,
+            maxSideLen,
+            useGpu,
             outputPath: format === "summary" ? options.output : undefined,
             timeoutMs,
         });
@@ -714,6 +724,12 @@ async function ocrCommand(options) {
                 `mode: ${mode}`,
                 `input: ${input}`,
                 `region: x=${x}, y=${y}, ex=${ex}, ey=${ey}`,
+                ...(engine === "paddleocr" && paddleModel
+                    ? [`paddleModel: ${paddleModel}`]
+                    : []),
+                ...(engine === "paddleocr" && maxSideLen !== undefined
+                    ? [`maxSideLen: ${maxSideLen}`]
+                    : []),
                 `status: ${result.status}`,
             ].join("\n"));
         }
@@ -1117,6 +1133,9 @@ commander_1.program
     .option("--languages <languages>", "Apple OCR 语言，支持 JSON 数组或逗号分隔")
     .option("--exact-match", "findText 要求完整匹配文本")
     .option("--confidence-threshold <confidenceThreshold>", "PaddleOCR 置信度阈值", "0.6")
+    .option("--paddle-model <paddleModel>", "仅 paddleocr：切换模型 ppocr-v6-tiny|ppocr-v6-small|ppocr-v5")
+    .option("--max-side-len <maxSideLen>", "仅 paddleocr：检测最大边长，0 回落默认 768")
+    .option("--use-gpu", "仅 paddleocr：切换模型时启用 GPU")
     .option("--timeout-ms <timeoutMs>", "请求超时时间(毫秒)", "60000")
     .option("--format <format>", "返回格式: summary|json", "summary")
     .option("--output <output>", "OCR 输出文件路径（可选）")

package/dist/mcp/ocr-tools.d.ts

@@ -1,6 +1,11 @@
 import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
 export type OcrEngine = "appleocr" | "paddleocr";
 export type OcrMode = "recognize" | "numbers" | "findText";
+export type PaddleOcrModel = "ppocr-v6-tiny" | "ppocr-v6-small" | "ppocr-v5";
+/** PaddleOCR 内置可切换模型 ID；同一时间只保留一个 active 模型。 */
+export declare const PADDLE_OCR_MODELS: readonly ["ppocr-v6-tiny", "ppocr-v6-small", "ppocr-v5"];
+/** PaddleOCR 检测阶段默认最大边长，与运行时一致；传 0 或负数时回落到该值。 */
+export declare const PADDLE_OCR_DEFAULT_MAX_SIDE_LEN = 768;
 export type ScriptResultResponse = {
     success?: boolean;
     result?: unknown;
@@ -19,6 +24,9 @@ export type OcrRecognitionOptions = {
     languages?: string[];
     confidenceThreshold: number;
     exactMatch: boolean;
+    paddleModel?: PaddleOcrModel;
+    maxSideLen?: number;
+    useGpu?: boolean;
     outputPath?: string;
     timeoutMs: number;
 };

package/dist/mcp/ocr-tools.js

@@ -33,7 +33,7 @@ var __importStar = (this && this.__importStar) || (function () {
     };
 })();
 Object.defineProperty(exports, "__esModule", { value: true });
-exports.APPLE_OCR_LANGUAGES = void 0;
+exports.APPLE_OCR_LANGUAGES = exports.PADDLE_OCR_DEFAULT_MAX_SIDE_LEN = exports.PADDLE_OCR_MODELS = void 0;
 exports.formatOcrToolText = formatOcrToolText;
 exports.runOcrRecognitionOnDevice = runOcrRecognitionOnDevice;
 exports.registerOcrTools = registerOcrTools;
@@ -42,6 +42,14 @@ const os = __importStar(require("os"));
 const path = __importStar(require("path"));
 const z = __importStar(require("zod/v4"));
 const tool_utils_1 = require("./tool-utils");
+/** PaddleOCR 内置可切换模型 ID；同一时间只保留一个 active 模型。 */
+exports.PADDLE_OCR_MODELS = [
+    "ppocr-v6-tiny",
+    "ppocr-v6-small",
+    "ppocr-v5",
+];
+/** PaddleOCR 检测阶段默认最大边长，与运行时一致；传 0 或负数时回落到该值。 */
+exports.PADDLE_OCR_DEFAULT_MAX_SIDE_LEN = 768;
 exports.APPLE_OCR_LANGUAGES = [
     "en-US",
     "fr-FR",
@@ -113,21 +121,36 @@ function buildAppleOcrScript(mode, input, x, y, ex, ey, texts, languages, exactM
  * @param texts 查找文本数组
  * @param confidenceThreshold 置信度阈值
  * @param exactMatch 是否完整匹配文本
+ * @param paddleModel 可选切换的 PaddleOCR 模型 ID
+ * @param maxSideLen 可选检测阶段最大边长
+ * @param useGpu loadModel 时是否启用 GPU
  * @returns 返回可交给 runScript 的 JavaScript 脚本
  * @example
- * buildPaddleOcrScript("recognize", "screen", 0, 0, 0, 0)
+ * buildPaddleOcrScript("recognize", "screen", 0, 0, 0, 0, undefined, 0.6, false)
  */
-function buildPaddleOcrScript(mode, input, x, y, ex, ey, texts, confidenceThreshold, exactMatch) {
+function buildPaddleOcrScript(mode, input, x, y, ex, ey, texts, confidenceThreshold, exactMatch, paddleModel, maxSideLen, useGpu) {
     if (mode === "numbers") {
         throw new Error("PaddleOCR 文档未提供 numbers 模式，请使用 appleocr 引擎。");
     }
+    // 先设置检测长边，再切换模型；loadModel 会沿用当前长边加载目标模型。
+    const setup = [];
+    if (maxSideLen !== undefined) {
+        setup.push(`paddleOcr.setMaxSideLen(${maxSideLen});`);
+    }
+    if (paddleModel) {
+        setup.push(`paddleOcr.loadModel(${jsonLiteral(paddleModel)}, ${useGpu ?? false});`);
+    }
+    let call;
     if (mode === "findText") {
         if (!texts || texts.length === 0) {
             throw new Error("findText 模式必须传 texts。");
         }
-        return `paddleOcr.findTextAbs(${jsonLiteral(input)}, ${jsonLiteral(texts)}, ${x}, ${y}, ${ex}, ${ey}, ${confidenceThreshold}, ${exactMatch});`;
+        call = `paddleOcr.findTextAbs(${jsonLiteral(input)}, ${jsonLiteral(texts)}, ${x}, ${y}, ${ex}, ${ey}, ${confidenceThreshold}, ${exactMatch});`;
     }
-    return `paddleOcr.recognizeAbs(${jsonLiteral(input)}, ${x}, ${y}, ${ex}, ${ey}, ${confidenceThreshold});`;
+    else {
+        call = `paddleOcr.recognizeAbs(${jsonLiteral(input)}, ${x}, ${y}, ${ex}, ${ey}, ${confidenceThreshold});`;
+    }
+    return [...setup, call].join("\n");
 }
 /**
  * 构建 OCR 运行脚本
@@ -142,13 +165,21 @@ function buildPaddleOcrScript(mode, input, x, y, ex, ey, texts, confidenceThresh
  * @param languages Apple OCR 识别语言数组
  * @param confidenceThreshold PaddleOCR 置信度阈值
  * @param exactMatch 是否完整匹配文本
+ * @param paddleModel 可选切换的 PaddleOCR 模型 ID
+ * @param maxSideLen 可选 PaddleOCR 检测阶段最大边长
+ * @param useGpu PaddleOCR loadModel 时是否启用 GPU
  * @returns 返回可交给 runScript 的 JavaScript 脚本
  * @example
  * buildOcrScript("appleocr", "recognize", "screen", 0, 0, 0, 0)
  */
-function buildOcrScript(engine, mode, input, x, y, ex, ey, texts, languages, confidenceThreshold, exactMatch) {
+function buildOcrScript(engine, mode, input, x, y, ex, ey, texts, languages, confidenceThreshold, exactMatch, paddleModel, maxSideLen, useGpu) {
     if (engine === "paddleocr") {
-        return buildPaddleOcrScript(mode, input, x, y, ex, ey, texts, confidenceThreshold, exactMatch);
+        return buildPaddleOcrScript(mode, input, x, y, ex, ey, texts, confidenceThreshold, exactMatch, paddleModel, maxSideLen, useGpu);
+    }
+    if (paddleModel !== undefined ||
+        maxSideLen !== undefined ||
+        useGpu !== undefined) {
+        throw new Error("paddleModel / maxSideLen / useGpu 仅适用于 paddleocr 引擎。");
     }
     return buildAppleOcrScript(mode, input, x, y, ex, ey, texts, languages, exactMatch);
 }
@@ -241,7 +272,7 @@ async function formatOcrToolText(response, outputPath) {
  * await runOcrRecognitionOnDevice({ ip: "192.168.1.10", port: "9800" }, options)
  */
 async function runOcrRecognitionOnDevice(target, options) {
-    const script = buildOcrScript(options.engine, options.mode, options.input, options.x, options.y, options.ex, options.ey, options.texts, options.languages, options.confidenceThreshold, options.exactMatch);
+    const script = buildOcrScript(options.engine, options.mode, options.input, options.x, options.y, options.ex, options.ey, options.texts, options.languages, options.confidenceThreshold, options.exactMatch, options.paddleModel, options.maxSideLen, options.useGpu);
     const response = await callRunScript(target.ip, target.port, script, options.timeoutMs);
     const text = await formatOcrToolText(response.body, options.outputPath);
     return {
@@ -314,6 +345,20 @@ function registerOcrTools(server) {
                 .optional()
                 .default(0.6)
                 .describe("PaddleOCR 置信度阈值，默认 0.6"),
+            paddleModel: z
+                .enum(exports.PADDLE_OCR_MODELS)
+                .optional()
+                .describe("仅 paddleocr：切换内置模型，识别前执行 loadModel；不传则使用当前 active 模型，未加载时自动加载 ppocr-v6-small"),
+            maxSideLen: z
+                .number()
+                .int()
+                .min(0)
+                .optional()
+                .describe(`仅 paddleocr：检测阶段最大边长，识别前执行 setMaxSideLen；不传保持运行时当前值，0 回落到默认 ${exports.PADDLE_OCR_DEFAULT_MAX_SIDE_LEN}`),
+            useGpu: z
+                .boolean()
+                .optional()
+                .describe("仅 paddleocr：配合 paddleModel 切换模型时是否启用 GPU，默认 false"),
             outputPath: z
                 .string()
                 .min(1)
@@ -328,7 +373,7 @@ function registerOcrTools(server) {
                 .default(60000)
                 .describe("runScript 请求超时时间，默认 60000 毫秒"),
         },
-    }, async ({ engine, mode, input, x, y, ex, ey, texts, languages, exactMatch, confidenceThreshold, outputPath, timeoutMs, }) => {
+    }, async ({ engine, mode, input, x, y, ex, ey, texts, languages, exactMatch, confidenceThreshold, paddleModel, maxSideLen, useGpu, outputPath, timeoutMs, }) => {
         const target = await (0, tool_utils_1.resolveRuntimeHttpTarget)();
         const response = await runOcrRecognitionOnDevice(target, {
             engine,
@@ -342,6 +387,9 @@ function registerOcrTools(server) {
             languages,
             confidenceThreshold,
             exactMatch,
+            paddleModel,
+            maxSideLen,
+            useGpu,
             outputPath,
             timeoutMs,
         });
@@ -353,6 +401,12 @@ function registerOcrTools(server) {
             `mode: ${mode}`,
             `input: ${input}`,
             `region: x=${x}, y=${y}, ex=${ex}, ey=${ey}`,
+            ...(engine === "paddleocr" && paddleModel
+                ? [`paddleModel: ${paddleModel}`]
+                : []),
+            ...(engine === "paddleocr" && maxSideLen !== undefined
+                ? [`maxSideLen: ${maxSideLen}`]
+                : []),
             `status: ${response.status}`,
         ].join("\n"), response.body.success === false);
     });

package/docs/AGENTS.md

@@ -165,6 +165,7 @@ OCR 识别使用 `ocr_recognize`，不要手写未确认的 OCR 调用链路。
 - 默认使用 `appleocr`。
 - 数字识别优先使用 `appleocr`。
 - PaddleOCR 同一时间只保留一个 active 模型；识别和查找方法默认自动加载 PP-OCRv6 small，如需 PP-OCRv6 tiny 调用 `loadModel("ppocr-v6-tiny")`，如需 PP-OCRv5 调用 `loadModel("ppocr-v5")`，加载成功后会替换当前模型。
+- 切换模型与调整检测长边时，优先使用 `ocr_recognize` 的 `paddleModel`、`maxSideLen`（CLI 为 `--paddle-model`、`--max-side-len`）参数，工具会在识别前自动执行 `setMaxSideLen` 和 `loadModel`，无需手写 runScript 链路；`maxSideLen` 默认 768，传 0 回落默认值；`useGpu`/`--use-gpu` 仅在切换模型时生效。这些参数仅适用于 `paddleocr`，与 `appleocr` 同传会报错。
 
 ## 验证要求
 

package/docs/SKILL.md

@@ -189,7 +189,7 @@ CLI 入口：
 
 控制、HID、IME、镜像、配置、当前应用、运行脚本等普通设备 HTTP API 通过 `get_docs_paths` 和 `http_api_call` 使用；CLI 入口使用 `ms docs paths` 和 `ms http-call`。
 
-使用 `ocr_recognize` 执行 OCR 识别。`ocr_recognize` 支持 `appleocr` 和 `paddleocr`，默认 `appleocr`，识别结果坐标可直接用于点击。
+使用 `ocr_recognize` 执行 OCR 识别。`ocr_recognize` 支持 `appleocr` 和 `paddleocr`，默认 `appleocr`，识别结果坐标可直接用于点击。使用 `paddleocr` 时可传 `paddleModel`（`ppocr-v6-tiny`/`ppocr-v6-small`/`ppocr-v5`）切换模型，传 `maxSideLen` 调整检测最大边长（默认 768），传 `useGpu` 切换 GPU；工具会在识别前自动执行 `setMaxSideLen` 和 `loadModel`，这些参数仅对 `paddleocr` 生效。
 
 图片与识别工作流：
 

package/docs/mcp-agent-description.md

@@ -178,6 +178,7 @@ UI 预览发起后不需要长时间等待结果，可以通过 `take_screenshot
 - 从当前设备截图指定坐标取色：使用 `screen_pick_color` 或 `npx ms screen-pick-color`。
 - 执行 OCR 识别、数字识别或查找文字：使用 `ocr_recognize` 或 `npx ms ocr`。
 - OCR 识别支持 `appleocr` 和 `paddleocr`，默认 `appleocr`，PaddleOCR 同一时间只保留一个 active 模型，识别方法默认自动加载 PP-OCRv6 small；如需 PP-OCRv6 tiny 请调用 `loadModel("ppocr-v6-tiny")`，如需 PP-OCRv5 请调用 `loadModel("ppocr-v5")`，加载成功后会替换当前模型。
+- 切换模型或调整检测长边时，直接给 `ocr_recognize` 传 `paddleModel`、`maxSideLen`（CLI 为 `--paddle-model`、`--max-side-len`，GPU 用 `--use-gpu`），工具会在识别前自动执行 `setMaxSideLen` 和 `loadModel`；这些参数仅适用于 `paddleocr`。
 - 制作透明找图模板：使用 `image_make_transparent` 或 `npx ms image-transparent`，输出到 `res`。
 - 获取节点 XML：使用 `get_node_source` 或 `npx ms source --mode 1`。
 - 查看日志：使用 `get_logs` 或 `npx ms logs`。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "ms-vite-plugin",
-  "version": "1.4.19",
+  "version": "1.4.20",
   "type": "commonjs",
   "license": "MIT",
   "publishConfig": {