ms-vite-plugin 1.4.58 → 1.4.60

package/docs/apilua/yolo.md

@@ -1,5 +1,7 @@
 # YOLO 目标检测模块 (YOLO)
 
+模块表是内置全局 `yolo`，直接调用即可。不要 `require` 宿主模块。
+
 YOLO 模块基于 YOLOV8/YOLO11/YOLO26 算法和 NCNN 框架，提供高性能的实时目标检测功能，支持多种输入源和自定义模型，可用于物体识别、位置定位等应用场景。
 
 ## 数据标注
@@ -8,7 +10,7 @@ YOLO 模块基于 YOLOV8/YOLO11/YOLO26 算法和 NCNN 框架，提供高性能
 
 ## 功能概览
 
-- **模型管理**: YOLO 模型加载和资源管理
+- **模型管理**: YOLOV8/YOLOV11/YOLOV26 模型加载和资源管理
 - **目标检测**: 实时物体检测和位置识别
 - **多源输入**: 支持屏幕截图、图片文件、URL 等多种输入源
 - **结果处理**: 完整的检测结果信息和坐标数据
@@ -79,7 +81,7 @@ function load(paramPath, binPath, nc, version, useGpu) end
 | `paramPath` | string  | 是       |        | NCNN 模型的 param 文件绝对路径                                              |
 | `binPath`   | string  | 是       |        | NCNN 模型的 bin 文件绝对路径                                                |
 | `nc`        | number  | 否       | 0      | 模型的标签数量；传 `0` 或省略时根据模型输出自动推断，显式传入但不匹配时检测返回空数组 |
-| `version`   | number  | 否       | 0      | 模型版本；传 `0` 或省略时按 v11 处理，显式传入支持 8/11/26                  |
+| `version`   | number  | 否       | 11     | YOLO 模型版本号（仅支持 8/11/26）                                       |
 | `useGpu`    | boolean | 否       | false  | 是否启用 GPU 加速                                                           |
 
 **返回值:**
@@ -91,7 +93,6 @@ function load(paramPath, binPath, nc, version, useGpu) end
 **示例:**
 
 ```lua
-local yolo = require("yolo")
 local modelId = yolo.load(
   "yolov8n_ncnn_model/model.ncnn.param",
   "yolov8n_ncnn_model/model.ncnn.bin",
@@ -101,90 +102,56 @@ local modelId = yolo.load(
 )
 ```
 
-#### loadV11 - 加载 YOLO 模型。
-
-加载模型是使用目标检测功能的前提。兼容 YOLOV8 / YOLO11 的 NCNN 模型。
-
-```lua
----@param paramPath string
----@param binPath string
----@param nc number?
----@param useGpu boolean?
----@return string|nil
-function loadV11(paramPath, binPath, nc, useGpu) end
-```
-
-**参数:**
-
-| 参数名      | 类型    | 是否必填 | 默认值 | 描述                                                                        |
-| ----------- | ------- | -------- | ------ | --------------------------------------------------------------------------- |
-| `paramPath` | string  | 是       |        | NCNN 模型的 param 文件绝对路径                                              |
-| `binPath`   | string  | 是       |        | NCNN 模型的 bin 文件绝对路径                                                |
-| `nc`        | number  | 否       | 0      | 模型的标签数量；传 `0` 或省略时根据模型输出自动推断，显式传入但不匹配时检测返回空数组 |
-| `useGpu`    | boolean | 否       | false  | 是否启用 GPU 加速                                                           |
-
-**返回值:**
-
-| 类型            | 描述                                      |
-| --------------- | ----------------------------------------- |
-| `string \| nil` | 加载成功返回模型 ID 字符串，失败返回 nil  |
-
-**示例:**
-
-```lua
-local yolo = require("yolo")
-
--- 加载 YOLO 模型
-local modelId = yolo.loadV11(
-  "yolo11n_ncnn_model/model.ncnn.param",
-  "yolo11n_ncnn_model/model.ncnn.bin",
-  0,
-  false
-)
-```
-
 ### 目标检测
 
-#### detect - 对输入图像执行目标检测。
+#### detectAbs - 对指定区域执行目标检测，并将结果坐标映射为原图/全屏绝对坐标。
 
-执行目标检测，识别图像中的物体并返回检测结果。
+执行目标检测，识别图像中的物体并返回检测结果。传入裁剪区域时，结果坐标会映射回原图或全屏坐标，可直接用于点击；全屏检测时 `x/y/ex/ey` 传 `0`。
 
 ```lua
 ---@param modelId string
 ---@param img string
+---@param x number?
+---@param y number?
+---@param ex number?
+---@param ey number?
 ---@param targetSize number?
 ---@param threshold number?
 ---@param nmsThreshold number?
 ---@return YoloResult[]
-function detect(modelId, img, targetSize, threshold, nmsThreshold) end
+function detectAbs(modelId, img, x, y, ex, ey, targetSize, threshold, nmsThreshold) end
 ```
 
 **参数:**
 
 | 参数名         | 类型   | 是否必填 | 默认值 | 描述                                                               |
 | -------------- | ------ | -------- | ------ | ------------------------------------------------------------------ |
-| `modelId`      | string | 是       |        | 模型 ID，通过 `loadV11` 获取                                       |
+| `modelId`      | string | 是       |        | 模型 ID，通过 `load` 获取                                          |
 | `img`          | string | 是       |        | 图像输入源，支持 `"screen"`、图片文件路径、HTTP 图片地址或 imageId |
+| `x`            | number | 否       | 0      | 裁剪区域左上角 x 坐标；全屏检测传 0                                |
+| `y`            | number | 否       | 0      | 裁剪区域左上角 y 坐标；全屏检测传 0                                |
+| `ex`           | number | 否       | 0      | 裁剪区域右下角 x 坐标；全屏检测传 0                                |
+| `ey`           | number | 否       | 0      | 裁剪区域右下角 y 坐标；全屏检测传 0                                |
 | `targetSize`   | number | 否       | 640    | 模型推理输入边长，通常为 640（与模型训练时一致）                   |
 | `threshold`    | number | 否       | 0.4    | 置信度阈值，低于此值的检测结果会被过滤                             |
 | `nmsThreshold` | number | 否       | 0.5    | 非极大值抑制阈值，用于去除重叠检测框                               |
 
 **返回值:**
 
-| 类型           | 描述           |
-| -------------- | -------------- |
-| `YoloResult[]` | 检测结果数组   |
+| 类型           | 描述                                   |
+| -------------- | -------------------------------------- |
+| `YoloResult[]` | 检测结果数组，坐标为原图或全屏绝对坐标 |
 
 **示例:**
 
 ```lua
-local yolo = require("yolo")
 
 -- 首先加载模型
-local modelId = yolo.loadV11(
+local modelId = yolo.load(
   "/yolo11n_ncnn_model/model.ncnn.param",
   "/yolo11n_ncnn_model/model.ncnn.bin",
   0,
+  11,
   false
 )
 
@@ -194,7 +161,7 @@ if not modelId then
 end
 
 -- 检测当前屏幕
-local screenResults = yolo.detect(modelId, "screen", 640, 0.4, 0.5)
+local screenResults = yolo.detectAbs(modelId, "screen", 0, 0, 0, 0, 640, 0.4, 0.5)
 print("屏幕检测到 " .. tostring(#screenResults) .. " 个物体")
 
 for index, result in ipairs(screenResults) do
@@ -206,80 +173,21 @@ for index, result in ipairs(screenResults) do
   print("  尺寸: " .. tostring(result.width) .. " x " .. tostring(result.height))
 end
 
--- 检测图片文件
-local imageResults = yolo.detect(modelId, "/path/to/test_image.jpg", 640, 0.3, 0.5)
+-- 检测图片文件的指定区域
+local imageResults = yolo.detectAbs(modelId, "/path/to/test_image.jpg", 100, 100, 500, 400, 640, 0.3, 0.5)
 if #imageResults > 0 then
   print("图片中检测到 " .. tostring(#imageResults) .. " 个物体")
-  for _, result in ipairs(imageResults) do
-    print("检测到类别 " .. tostring(result.classId) .. "，置信度: " .. tostring(result.confidence))
-  end
 else
   print("图片中未检测到任何物体")
 end
 
 -- 检测网络图片
-local urlResults = yolo.detect(modelId, "https://example.com/test_image.jpg", 640, 0.5, 0.4)
+local urlResults = yolo.detectAbs(modelId, "https://example.com/test_image.jpg", 0, 0, 0, 0, 640, 0.5, 0.4)
 print("网络图片检测结果: " .. tostring(#urlResults) .. " 个物体")
 
 yolo.free(modelId)
 ```
 
-#### detectAbs - 对指定区域执行目标检测，并将结果坐标映射为原图/全屏绝对坐标。
-
-传入裁剪区域时，结果坐标会映射回原图或全屏坐标，可直接用于点击；全屏检测时 `x/y/ex/ey` 传 `0`。
-
-```lua
----@param modelId string
----@param img string
----@param x number
----@param y number
----@param ex number
----@param ey number
----@param targetSize number?
----@param threshold number?
----@param nmsThreshold number?
----@return YoloResult[]
-function detectAbs(modelId, img, x, y, ex, ey, targetSize, threshold, nmsThreshold) end
-```
-
-**参数:**
-
-| 参数名         | 类型   | 是否必填 | 默认值 | 描述                                                               |
-| -------------- | ------ | -------- | ------ | ------------------------------------------------------------------ |
-| `modelId`      | string | 是       |        | 模型 ID，通过 `load` 或 `loadV11` 获取                             |
-| `img`          | string | 是       |        | 图像输入源，支持 `"screen"`、图片文件路径、HTTP 图片地址或 imageId |
-| `x`            | number | 是       |        | 裁剪区域左上角 x 坐标；全屏检测传 0                                |
-| `y`            | number | 是       |        | 裁剪区域左上角 y 坐标；全屏检测传 0                                |
-| `ex`           | number | 是       |        | 裁剪区域右下角 x 坐标；全屏检测传 0                                |
-| `ey`           | number | 是       |        | 裁剪区域右下角 y 坐标；全屏检测传 0                                |
-| `targetSize`   | number | 否       | 640    | 模型推理输入边长，通常为 640（与模型训练时一致）                   |
-| `threshold`    | number | 否       | 0.4    | 置信度阈值，低于此值的检测结果会被过滤                             |
-| `nmsThreshold` | number | 否       | 0.5    | 非极大值抑制阈值，用于去除重叠检测框                               |
-
-**返回值:**
-
-| 类型           | 描述                                   |
-| -------------- | -------------------------------------- |
-| `YoloResult[]` | 检测结果数组，坐标为原图或全屏绝对坐标 |
-
-**示例:**
-
-```lua
-local yolo = require("yolo")
-local modelId = yolo.load(
-  "/yolo11n_ncnn_model/model.ncnn.param",
-  "/yolo11n_ncnn_model/model.ncnn.bin",
-  0,
-  11,
-  false
-)
-local results = yolo.detectAbs(modelId, "screen", 0, 0, 0, 0, 640, 0.4, 0.5)
-if #results > 0 then
-  print(results[1].classId, results[1].centerX, results[1].centerY)
-end
-yolo.free(modelId)
-```
-
 ### 资源管理
 
 #### free - 释放指定模型的资源。
@@ -298,7 +206,6 @@ function free(modelId) end
 **示例:**
 
 ```lua
-local yolo = require("yolo")
 
 -- 释放特定模型
 if modelId then
@@ -316,7 +223,6 @@ function freeAll() end
 **示例:**
 
 ```lua
-local yolo = require("yolo")
 
 -- 释放所有模型资源
 yolo.freeAll()

package/docs/apilua/yolocls.md

@@ -1,5 +1,7 @@
 # YOLO 图像分类模块 (YoloCls)
 
+模块表是内置全局 `yolocls`，直接调用即可。不要 `require` 宿主模块。
+
 YOLO 图像分类模块基于 YOLOv8-cls / YOLO11-cls / YOLO26-cls 分类模型和 NCNN 框架，提供整图分类、区域分类和模型资源管理能力。
 
 ## 功能概览
@@ -82,7 +84,6 @@ function load(paramPath, binPath, nc, useGpu) end
 **示例:**
 
 ```lua
-local yolocls = require("yolocls")
 -- 模型文件通常放在 res 目录
 local modelId = yolocls.load(
   "yolo11n_cls_ncnn_model/model.ncnn.param",
@@ -129,7 +130,6 @@ function classify(modelId, img, targetSize) end
 **示例:**
 
 ```lua
-local yolocls = require("yolocls")
 local modelId = yolocls.load(
   "yolo11n_cls_ncnn_model/model.ncnn.param",
   "yolo11n_cls_ncnn_model/model.ncnn.bin",
@@ -206,7 +206,6 @@ function classifyRegion(modelId, img, x, y, ex, ey, targetSize) end
 **示例:**
 
 ```lua
-local yolocls = require("yolocls")
 local regionProbs = yolocls.classifyRegion(
   modelId,
   "screen",
@@ -244,7 +243,6 @@ function free(modelId) end
 **示例:**
 
 ```lua
-local yolocls = require("yolocls")
 if modelId then
   yolocls.free(modelId)
   print("YOLO 分类模型 " .. tostring(modelId) .. " 资源已释放")
@@ -262,7 +260,6 @@ function freeAll() end
 **示例:**
 
 ```lua
-local yolocls = require("yolocls")
 yolocls.freeAll()
 print("所有 YOLO 分类模型资源已释放")
 ```

package/docs/apipython/media.md

@@ -218,3 +218,23 @@ print("开始播放音频...")
 played = media.playMp3WaitEnd("/var/mobile/Media/notification.mp3")
 print("音频播放完成" if played else "播放失败或被系统音频中断")
 ```
+
+#### isMp3Playing - 当前是否正在播放 MP3。
+
+```python
+def isMp3Playing() -> bool
+```
+
+**返回值:**
+
+| 类型   | 描述                             |
+| ------ | -------------------------------- |
+| `bool` | 正在播放返回 `True`，否则 `False` |
+
+**示例:**
+
+```python
+from kuaijs import media
+
+print("正在播放" if media.isMp3Playing() else "未播放")
+```

package/docs/mcp-agent-description.md

@@ -15,7 +15,7 @@
 - 不要把快点JS Python 脚本当成普通 CPython 脚本。
 - 不要对快点JS Python 脚本运行 `python -m py_compile`、`py_compile` 或类似 CPython 编译校验。
 - 不要创建、保留或同步 `__pycache__`、`.pyc` 作为项目改动。
-- Lua 用户模块请用 `require("foo")` / `require("lib.bar")`。Release 打包默认会把 `scripts` 下除 `main.lua` 外的用户 `.lua` 合并进单个 `main.lua`；不要用 `dofile` / `loadfile` 按路径加载这些文件。
+- Lua 宿主模块是内置全局表（如 `device`），不要 `require`。用户模块请用 `require("foo")` / `require("lib.bar")`。Release 打包默认会把 `scripts` 下除 `main.lua` 外的用户 `.lua` 合并进单个 `main.lua`；不要用 `dofile` / `loadfile` 按路径加载这些文件。
 - 文档未确认的能力必须明确说明无法确认，不要凭经验补全。
 
 ## 允许的执行方式

package/docs/quick/vscode/createProject.md

@@ -17,7 +17,7 @@
 - 选择一个文件目录，输入项目名称，回车创建项目
 - 快点 JS-JS 引擎使用 `ES6` 语法，支持 import 别的 js 文件
 - 快点 JS-Python 引擎使用 `Python3.14`, 打包需要安装 `Python3.14`
-- 快点 JS-Lua 引擎入口为 `scripts/main.lua`，模块通过 `require("device")` 加载，全局函数如 `Sleep` 可直接调用
+- 快点 JS-Lua 引擎入口为 `scripts/main.lua`，宿主模块是内置全局表（如 `device`），不要 `require`；全局函数如 `Sleep` 可直接调用
 - 项目创建完成后，会自动打开项目，项目结构如下：
 
 ### 项目结构

package/docs/quick/vscode/packProject.md

@@ -11,7 +11,7 @@
 - 输入在开发者后台->网络验证管理->软件列表 中获取的 `AppId` 字段
 - JS / Lua 项目可编辑根目录 `obfuscator.json` 决定打包行为；Python 打包编译为 `.pyc`，没有该配置
 - JS：Vite 把入口打成单文件后再按 `enabled` 混淆
-- Lua：Release 默认把 `scripts` 下用户模块合并为单个 `scripts/main.lua`（`bundle`，缺省 `true`），再按 `enabled` / `preset` 用 Prometheus 混淆该文件。`enabled: false` 时仍可合并。宿主 `require("device")` 等不受影响。不要用 `dofile` / `loadfile` 去读会被删掉的其它 `.lua`
+- Lua：Release 默认把 `scripts` 下用户模块合并为单个 `scripts/main.lua`（`bundle`，缺省 `true`），再按 `enabled` / `preset` 用 Prometheus 混淆该文件。`enabled: false` 时仍可合并。宿主全局模块（如 `device`）不受影响。不要用 `dofile` / `loadfile` 去读会被删掉的其它 `.lua`
 - 注意：上传到快点JS热更新服务后，可通过开发者后台->网络验证管理->软件列表的软件编号进行分发
 - 注意：快点JS上可通过软件面板，输入软件编号进行搜索加载应用
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "ms-vite-plugin",
-  "version": "1.4.58",
+  "version": "1.4.60",
   "type": "commonjs",
   "license": "MIT",
   "publishConfig": {