ms-vite-plugin 1.4.9 → 1.4.11

package/docs/apipython/g.md

@@ -101,6 +101,111 @@ if g.getAgentFastMode():
     print("Agent 快速模式已开启")
 ```
 
+#### `setCpuAutoThrottle` - 设置脚本 CPU 自动限流
+
+默认开启。开启后，脚本 API 在 CPU 占用接近系统杀进程阈值时会轻微让步，降低被系统终止的风险。
+
+```python
+def setCpuAutoThrottle(enabled: bool) -> bool
+```
+
+**参数:**
+
+| 参数名    | 类型   | 是否必填 | 默认值 | 描述             |
+| --------- | ------ | -------- | ------ | ---------------- |
+| `enabled` | `bool` | 是       | -      | 是否开启自动限流 |
+
+**返回值:**
+
+| 类型   | 描述                 |
+| ------ | -------------------- |
+| `bool` | 实际是否开启自动限流 |
+
+**示例:**
+
+```python
+from kuaijs import g
+
+enabled = g.setCpuAutoThrottle(True)
+print(f"CPU 自动限流: {enabled}")
+```
+
+#### `getCpuAutoThrottle` - 获取脚本 CPU 自动限流
+
+默认开启。
+
+```python
+def getCpuAutoThrottle() -> bool
+```
+
+**返回值:**
+
+| 类型   | 描述                 |
+| ------ | -------------------- |
+| `bool` | 当前是否开启自动限流 |
+
+**示例:**
+
+```python
+from kuaijs import g
+
+if g.getCpuAutoThrottle():
+    print("CPU 自动限流已开启")
+```
+
+#### `setCpuThrottleDelay` - 设置 CPU 限流延迟
+
+设置 CPU 限流单次 sleep 延迟范围（毫秒）。默认 `min_ms=3`、`max_ms=30`。仅在 CPU 自动限流开启且触发限流时生效。
+
+```python
+def setCpuThrottleDelay(min_ms: int, max_ms: int) -> dict
+```
+
+**参数:**
+
+| 参数名    | 类型  | 是否必填 | 默认值 | 描述                               |
+| --------- | ----- | -------- | ------ | ---------------------------------- |
+| `min_ms`  | `int` | 是       | -      | 最低延迟（毫秒）                   |
+| `max_ms`  | `int` | 是       | -      | 最高延迟（毫秒）；小于 min_ms 时自动对齐 |
+
+**返回值:**
+
+| 类型   | 描述               |
+| ------ | ------------------ |
+| `dict` | `{"minMs": int, "maxMs": int}`，实际生效的延迟范围 |
+
+**示例:**
+
+```python
+from kuaijs import g
+
+delay = g.setCpuThrottleDelay(3, 30)
+print(f"CPU 限流延迟: {delay['minMs']}~{delay['maxMs']}ms")
+```
+
+#### `getCpuThrottleDelay` - 获取 CPU 限流延迟
+
+获取 CPU 限流延迟范围（毫秒）。
+
+```python
+def getCpuThrottleDelay() -> dict
+```
+
+**返回值:**
+
+| 类型   | 描述               |
+| ------ | ------------------ |
+| `dict` | `{"minMs": int, "maxMs": int}`，当前最低与最高延迟 |
+
+**示例:**
+
+```python
+from kuaijs import g
+
+delay = g.getCpuThrottleDelay()
+print(f"CPU 限流延迟: {delay['minMs']}~{delay['maxMs']}ms")
+```
+
 #### `restartScript` - 重启脚本
 
 ```python

package/docs/apipython/ime.md

@@ -36,32 +36,6 @@ else:
     # 可能需要重新初始化或检查权限
 ```
 
-### autoSwitchApiKeyboard - 自动切换到 API 键盘
-
-```python
-def autoSwitchApiKeyboard() -> bool
-```
-
-**返回值：**
-
-| 类型   | 描述                                       |
-| ------ | ------------------------------------------ |
-| `bool` | 是否成功切换并连接到 API 键盘，成功为 True |
-
-- 该方法仅在系统设置中添加了快点JS API键盘 并且已授权完全访问权限时有效。
-
-**示例：**
-
-```python
-from kuaijs import ime
-
-# 自动切换到 API 键盘（如未弹出会尝试切换）
-if ime.autoSwitchApiKeyboard():
-    print("已切换到 API 键盘")
-else:
-    print("切换失败，请检查键盘设置和完全访问权限")
-```
-
 ## 文本获取和清除
 
 ### getText - 获取当前输入框的文本内容

package/docs/apipython/node.md

@@ -46,6 +46,7 @@ class NodeInfo:
 
 class NodeSelectorOptions(TypedDict, total=False):
     maxDepth: int  # 最大层级深度，默认 50
+    mode: int  # 抓取模式：模式 1、模式 2，默认模式 1
 ```
 
 ## 节点选择器 (NodeSelector)
@@ -67,6 +68,7 @@ def createNodeSelector(params: Optional[NodeSelectorOptions] = None) -> NodeSele
 | 参数名     | 类型 | 是否必填 | 默认值 | 描述                  |
 | ---------- | ---- | -------- | ------ | --------------------- |
 | `maxDepth` | int  | 否       | 50     | 最大层级深度，默认 50 |
+| `mode` | int  | 否       | 1      | 抓取模式。模式 1、模式 2，默认模式 1 |
 
 **返回值：** `NodeSelector`
 
@@ -77,7 +79,8 @@ from kuaijs import node
 
 # 创建选择器
 selector = node.createNodeSelector({
-    "maxDepth": 20  # 最大20层深度
+    "maxDepth": 20,  # 最大20层深度
+    "mode": 1  # 默认模式 1
 })
 ```
 

package/docs/apipython/overview.md

@@ -5,7 +5,7 @@
 - 导入方式：
 
 ```python
-from kuaijs import action, hid, image, appleocr, paddleocr, yolo, system, device, file, mysql, netcard, ime, media, hotupdate, tomatoocr, tts, ui, utils, node, pip, logger
+from kuaijs import action, hid, image, appleocr, paddleocr, yolo, yolocls, system, device, file, mysql, netcard, ime, media, hotupdate, tomatoocr, tts, ui, utils, node, pip, logger
 ```
 
 ## 下载资源

package/docs/apipython/paddleocr.md

@@ -43,7 +43,7 @@ class OCRResult(TypedDict):
 初始化 PP-OCRv5 模型，这是使用 OCR 功能的前提。
 
 ```python
-def loadV5(maxSideLen: int = 640) -> bool
+def loadV5(maxSideLen: int = 640, useGpu: bool = False) -> bool
 ```
 
 **参数：**
@@ -51,12 +51,15 @@ def loadV5(maxSideLen: int = 640) -> bool
 | 参数名       | 类型 | 是否必填 | 默认值 | 描述                             |
 | ------------ | ---- | -------- | ------ | -------------------------------- |
 | `maxSideLen` | int  | 否       | 640    | 输入图像的最大边长，默认值为 640 |
+| `useGpu`     | bool | 否       | False  | 是否启用 GPU 加速                |
 
 **返回值：**
 
-| 类型   | 描述             |
-| ------ | ---------------- |
-| `bool` | 是否成功加载模型 |
+| 类型   | 描述                                                |
+| ------ | --------------------------------------------------- |
+| `bool` | 加载成功或模型已加载返回 `True`，否则返回 `False` |
+
+重复调用 `loadV5` 时，如果模型已经加载，会直接返回 `True`，不会重新加载或应用新的参数。需要更换加载参数时，先调用 `free()` 释放模型。
 
 **示例：**
 
@@ -134,6 +137,29 @@ else:
     print(f"网络图片识别结果数量: {len(url_results)}")
 ```
 
+#### `recognizeAbs` - 执行 OCR 识别，并将结果坐标映射为原图/全屏绝对坐标
+
+参数与 `recognize` 相同。传入裁剪区域时，返回坐标可直接用于全屏点击。
+
+```python
+def recognizeAbs(
+    input: str,
+    x: int = 0,
+    y: int = 0,
+    ex: int = 0,
+    ey: int = 0,
+    confidenceThreshold: float = 0.6
+) -> List[OCRResult]
+```
+
+**示例：**
+
+```python
+abs_results = paddleocr.recognizeAbs("screen", 100, 100, 500, 300)
+if abs_results:
+    print(f"绝对坐标中心点: ({abs_results[0].centerX}, {abs_results[0].centerY})")
+```
+
 #### `findText` - 在识别结果中查找目标文本并返回对应子串坐标
 
 在 OCR 识别结果中查找指定文本，返回匹配文本的坐标和置信度等信息。
@@ -190,6 +216,30 @@ else:
     print(f"区域命中数量: {len(region_hits)}")
 ```
 
+#### `findTextAbs` - 查找目标文本，并将结果坐标映射为原图/全屏绝对坐标
+
+参数与 `findText` 相同。传入裁剪区域时，返回坐标可直接用于全屏点击。
+
+```python
+def findTextAbs(
+    input: str,
+    targetTexts: List[str],
+    x: int = 0,
+    y: int = 0,
+    ex: int = 0,
+    ey: int = 0,
+    confidenceThreshold: float = 0.6
+) -> List[OCRResult]
+```
+
+**示例：**
+
+```python
+abs_hits = paddleocr.findTextAbs("screen", ["确定"], 100, 100, 500, 400, 0.6)
+if abs_hits:
+    print(f"绝对坐标中心点: ({abs_hits[0].centerX}, {abs_hits[0].centerY})")
+```
+
 ### 资源管理
 
 #### `free` - 释放 OCR 模型占用的内存资源

package/docs/apipython/system.md

@@ -10,6 +10,7 @@
 - **URL 操作**: 打开网页链接或应用 URL Scheme
 - **系统通知**: 发送系统通知消息
 - **内存管理**: 获取内存使用信息
+- **CPU 管理**: 获取 CPU 使用率
 - **快点 Agent 服务**: 启动 快点 Agent 服务
 
 ## 类型定义
@@ -42,10 +43,11 @@ class InstalledAppInfo(TypedDict):
 
 ```python
 class MemoryInfo(TypedDict):
-    used: int            # 已使用内存（MB）
-    available: int       # 可用内存（MB）
-    total: int           # 总内存（MB）
-    usagePercentage: float # 内存使用率（百分比）
+    used: int            # 当前应用占用（MB）
+    available: int       # 系统可用内存（MB）
+    total: int           # 系统总内存（MB）
+    systemUsed: int      # 系统已用内存（MB）
+    usagePercentage: float # 系统占用率（百分比）
 ```
 
 ## API 参考
@@ -387,25 +389,26 @@ def getMemoryInfo() -> MemoryInfo
 
 **返回值:**
 | 类型 | 描述 |
-| ----------------- | ---------------------- |
-| `used` | 已使用内存（单位：MB） |
-| `available` | 可用内存（单位：MB） |
-| `total` | 总内存（单位：MB） |
-| `usagePercentage` | 内存使用率（百分比） |
+| ----------------- | ---------------------------- |
+| `used` | 当前应用占用（单位：MB） |
+| `available` | 系统可用内存（单位：MB） |
+| `total` | 系统总内存（单位：MB） |
+| `systemUsed` | 系统已用内存（单位：MB） |
+| `usagePercentage` | 系统内存占用率（百分比） |
 
 **说明:**
 
-该方法返回设备的完整内存使用信息，包括已使用内存、可用内存、总内存和使用率。
+该方法返回当前应用占用和系统内存概况。`usagePercentage` 表示系统整体占用率。
 
 **示例:**
 
 ```python
 from kuaijs import system
 mem = system.getMemoryInfo()
-print(mem.used, mem.available, mem.total, mem.usagePercentage)
+print(f"应用: {mem.used}MB, 系统: {mem.systemUsed}/{mem.total}MB, 占用: {mem.usagePercentage}%")
 
 if mem.usagePercentage > 80:
-    print("内存使用率过高，建议清理内存")
+    print("系统内存占用较高")
 ```
 
 #### getUsedMemory - 获取已使用内存。
@@ -465,6 +468,58 @@ usage = (used / total) * 100 if total else 0
 print(f"使用率: {usage:.1f}%")
 ```
 
+#### getSystemUsedMemory - 获取系统已用内存。
+
+```python
+def getSystemUsedMemory() -> int
+```
+
+**返回值:**
+| 类型 | 描述 |
+| ---- | ------------ |
+| `int`| 系统已用内存（MB） |
+
+**说明:**
+
+该方法返回系统物理内存的已使用量，计算方式为系统总内存减去可用内存，与 `getMemoryInfo()` 返回的 `systemUsed` 一致。
+
+**示例：**
+
+```python
+from kuaijs import system
+
+system_used = system.getSystemUsedMemory()
+print(f"系统已用内存: {system_used}MB")
+
+mem = system.getMemoryInfo()
+print(f"getMemoryInfo systemUsed: {mem['systemUsed']}MB")
+```
+
+### CPU 管理
+
+#### getCpuUsage - 获取 CPU 使用率。
+
+```python
+def getCpuUsage() -> float
+```
+
+**返回值:**
+| 类型 | 描述 |
+| ---- | ---- |
+| `float` | 当前应用 CPU 使用率（百分比） |
+
+**示例:**
+
+```python
+from kuaijs import system
+
+cpu_usage = system.getCpuUsage()
+print(f"CPU 使用率: {cpu_usage}%")
+
+if cpu_usage > 80:
+    print("CPU 使用率较高，建议降低脚本负载")
+```
+
 ### 快点 Agent 服务
 
 #### startAgent - 启动 快点 Agent 服务。

package/docs/apipython/yolo.md

@@ -65,7 +65,7 @@ class YoloResult(TypedDict):
 加载模型是使用目标检测功能的前提。
 
 ```python
-def load(paramPath: str, binPath: str, nc: int, version: int = 11) -> Optional[str]
+def load(paramPath: str, binPath: str, nc: int = 0, version: int = 11, useGpu: bool = False) -> Optional[str]
 ```
 
 **参数:**
@@ -74,8 +74,9 @@ def load(paramPath: str, binPath: str, nc: int, version: int = 11) -> Optional[s
 | ----------- | ---- | -------- | ------ | ------------------------------------------- |
 | `paramPath` | str  | 是       | -      | NCNN 模型的 param 文件绝对路径              |
 | `binPath`   | str  | 是       | -      | NCNN 模型的 bin 文件绝对路径                |
-| `nc`        | int  | 是       | -      | 模型的标签数量（在标签集 data.yaml 中查看） |
+| `nc`        | int  | 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列表 |
 | `version`   | int  | 否       | 11     | YOLO 模型版本号（仅支持 8/11/26）           |
+| `useGpu`    | bool | 否       | False  | 是否启用 GPU 加速                           |
 
 **返回值:**
 
@@ -92,8 +93,9 @@ from kuaijs import yolo
 model_id = yolo.load(
     "yolov8n_ncnn_model/model.ncnn.param",
     "yolov8n_ncnn_model/model.ncnn.bin",
-    80,
+    0,
     8,
+    False,
 )
 ```
 
@@ -102,7 +104,7 @@ model_id = yolo.load(
 加载模型是使用目标检测功能的前提。
 
 ```python
-def loadV11(paramPath: str, binPath: str, nc: int) -> Optional[str]
+def loadV11(paramPath: str, binPath: str, nc: int = 0, useGpu: bool = False) -> Optional[str]
 ```
 
 **参数:**
@@ -111,7 +113,8 @@ def loadV11(paramPath: str, binPath: str, nc: int) -> Optional[str]
 | ----------- | ---- | -------- | ------ | ------------------------------------------- |
 | `paramPath` | str  | 是       | -      | NCNN 模型的 param 文件绝对路径              |
 | `binPath`   | str  | 是       | -      | NCNN 模型的 bin 文件绝对路径                |
-| `nc`        | int  | 是       | -      | 模型的标签数量（在标签集 data.yaml 中查看） |
+| `nc`        | int  | 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列表 |
+| `useGpu`    | bool | 否       | False  | 是否启用 GPU 加速                           |
 
 **返回值:**
 
@@ -129,7 +132,8 @@ from kuaijs import yolo
 model_id = yolo.loadV11(
     "yolo11n_ncnn_model/model.ncnn.param",
     "yolo11n_ncnn_model/model.ncnn.bin",
-    80 # COCO 数据集有 80 个类别
+    0, # 自动根据模型输出推断类别数量
+    False,
 )
 
 if model_id:
@@ -176,7 +180,7 @@ def detect(
 from kuaijs import yolo
 
 # 首先加载模型
-mid = yolo.loadV11("yolo11n_ncnn_model/model.ncnn.param", "yolo11n_ncnn_model/model.ncnn.bin", 80)
+mid = yolo.loadV11("yolo11n_ncnn_model/model.ncnn.param", "yolo11n_ncnn_model/model.ncnn.bin", 0)
 
 if not mid:
     print("模型加载失败")
@@ -227,6 +231,32 @@ else:
     print(f"网络图片检测结果: {len(url_results)} 个物体")
 ```
 
+#### 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
+
+```python
+def detectAbs(
+    modelId: str,
+    img: str,
+    x: int = 0,
+    y: int = 0,
+    ex: int = 0,
+    ey: int = 0,
+    targetSize: int = 640,
+    threshold: float = 0.4,
+    nmsThreshold: float = 0.5
+) -> List[YoloResult]
+```
+
+**示例:**
+
+```python
+from kuaijs import yolo, action
+
+abs_results = yolo.detectAbs(mid, "screen", 100, 100, 500, 400, 640, 0.4, 0.5)
+if abs_results:
+    action.click(abs_results[0]["centerX"], abs_results[0]["centerY"])
+```
+
 ### 资源管理
 
 #### free - 释放指定模型