三种识别，按场景选
OCR 关键词与正则、模板匹配、ORB 特征、像素精确比对。文字会变就用 OCR，图标稳定就用模板，像素级校验用 exact。
OCR · TEMPLATE · ORB · EXACT
CORE CAPABILITIES
不是录制回放，是每一帧都重新判断
固定坐标的脚本在窗口移动、分辨率变化、加载变慢时就会失效。VisualAct 每次都重新截屏、重新识别，只对“此刻的画面”负责。
多点位并行监控
一条规则里的每个视觉条件都能成为独立监控点，各自去抖、冷却、触发动作，同一块屏幕上可以同时盯多个位置。
INDEPENDENT MONITOR POINTS
六态状态机
空闲、等待、命中、执行、冷却、故障六种状态显式管理。连续 N 次命中、冷却期、失败重试、连续失败熔断都由主控统一裁决。
IDLE · WAITING · HIT · EXECUTING · COOLDOWN · FAULT
全离线，零上传
识别在本机完成，模型随安装包落地。没有账号体系，没有云端 OCR，截图不出这台电脑。
NO CLOUD · NO UPLOAD
动作链，不只是提醒
点击、按键、输入文本、写文件、剪贴板、语音播报、外部命令。命中之后要做什么，由你排序。
CLICK · KEY · TEXT · SHELL · TTS
进程监督与自恢复
视觉与 OCR 各跑在独立 Worker 里，心跳检测、超时中断、崩溃重启。忙不过来时丢帧而不是无限排队。
HEARTBEAT · TIMEOUT · RESTART
AS IT IS
原样示人
P1 · OCR
P2 · TEMPLATE
P3 · PIXEL
MULTI-POINT
一块屏幕，多个点位同时盯
勾选「每个条件作为独立监控点」后保存，主控会为每个点位单独维护去抖、冷却和命中状态。 它们互不影响：P1 命中不会占住 P2 的判定，P3 处于冷却也不妨碍 P1 执行。
- 每个点位独立的连续命中次数与冷却时间
- 命中后可执行点击中心、按键、写变量等不同动作
- 多点位同时命中时动作按队列串行，不会互相打断
P1
订单区域 · OCR 正则A\d{11} · 冷却 5s
命中 → 写文件P2
提交按钮 · 模板匹配阈值 0.86 · 连续 2 次
命中 → 点击P3
状态灯 · 像素精确RGB 容差 8 · 冷却 30s
命中 → 播报
WHY VISUALACT
和固定坐标的自动化工具有什么不同
差别不在功能清单的长短，而在失败时会发生什么。
| 维度 | 固定坐标脚本 | 观微 |
|---|---|---|
| 判定依据 | 写死的坐标与颜色 | 每一帧重新截图识别，窗口移动也能找到 |
| 文字识别 | 通常依赖云端接口 | 本地 OCR，默认 RapidOCR，可选 PaddleOCR |
| 多点位 | 一条流程一个目标 | 每个条件都是独立监控点，并行判定 |
| 误触控制 | 命中即执行 | 连续命中、冷却、限流、熔断四层约束 |
| 异常恢复 | 出错即中断 | Worker 心跳与崩溃重启，故障态可观测 |
| 排障方式 | 凭截图猜 | 一键导出诊断包：日志、配置、命中快照 |
| 部署成本 | 装 Python / 运行库 | 单个安装包，自带全部依赖 |
| 多显示器 | 坐标容易错位 | 按监视器 DPI 换算，100%–200% 缩放可用 |
SCENARIOS
它替你看住那些不能错过的变化
看板与行情盯守
订单、库存、价格、告警条发生变化时立即动作。不用一直盯着屏幕，也不用写接口对接。
长流程值守
等待某个按钮出现、某个进度条走完、某个弹窗消失，然后自动继续下一步。
重复界面操作
内部系统的批量录入、导出、核对，用视觉识别代替模拟坐标，界面小改也不会立刻失效。
验收与巡检
定时检查界面关键元素是否在位，异常时截图存档并推送通知，留下可追溯的记录。
ARCHITECTURE
界面只管呈现，状态只有一个主人
规则状态、变量、坐标换算全部集中在主控进程；识别 Worker 无状态，可以随时被杀掉重启。
Electron 界面VUE 3 + VITE
→
本地 WebSocket127.0.0.1:8765
→
主控 VisualActd.NET / 状态机 / 坐标
→
命名管道JSON LINES
→
视觉 / OCR WorkerPYTHON · ONNXRUNTIME
→
原生能力CAPTURE · COORDS · ACTIONS
坐标纪律
识别结果只返回 ROI 内的局部框，换算成屏幕坐标这件事只在主控里做一次，避免多显示器与缩放下层层叠加出错。
状态纪律
去抖、冷却、熔断、OCR 指纹去重都由主控持有。Worker 重启不会让规则状态清零或重复触发。
边界纪律
不注入 DLL、不安装消息 Hook、不读取其他进程内存，也不包含针对特定软件的适配分支。
MANUAL
每个开关，都说明白
不用翻文档，也不用猜。下面按设置页的顺序逐项解释：它管什么、什么时候改、改了会怎样。
运行速度
决定程序多久看一次屏幕，不影响识别准确率
- 省资源
- 空闲 3 秒、运行 1.5 秒、命中后 0.8 秒一轮。适合整夜挂机、长时间值守，CPU 占用最低。
- 均衡
- 1.5 / 0.8 / 0.4 秒。默认档位，响应与占用平衡，大多数场景用它就够了。
- 快速
- 0.8 / 0.4 / 0.2 秒。半秒一轮，适合短时间盯屏、要求即时反应的场景，CPU 占用会明显上升。
- 三档的区别
- 只改检查频率，不改识别阈值。切档后立即生效，无需重启，也不影响已有规则。
识别与桌面
全局识别引擎与开机启动
- 快速 · RapidOCR
- 默认引擎。单行文字通常几十毫秒返回，适合界面按钮、状态文字、订单号这类清晰文本。
- 精确 · PaddleOCR
- 速度慢数倍，对小字号、复杂背景、低对比度文字更稳。识别不到时再换它。
- 双引擎交叉验证
- 两个引擎都跑，结果相互印证，最慢。只建议用在金额、编号等不能出错的判断上。
- 单条规则覆盖
- 每条 OCR 条件可以单独指定引擎，不受这里影响。全局设在「设置」，精细调整在「规则」。
- 登录 Windows 后自动启动
- 勾选并保存后写入开机启动项，下次登录系统自动运行到托盘，规则不会自动开始，需要手动启动监控。
命中邮件通知
任意任务检测到目标时，发一封固定模板的邮件
- 启用邮件提醒
- 总开关。打开后所有规则通用，不必逐条配置动作；关闭则一封都不发。
- 收件邮箱
- 提醒发到哪里。可以填自己的手机邮箱，实现锁屏也能收到。
- SMTP 服务器
- 发信服务器地址，例如 QQ 邮箱
smtp.qq.com、163 邮箱smtp.163.com、企业微信邮箱smtp.exmail.qq.com。 - 端口
- SSL 加密一般用
465，STARTTLS 用587。填错会提示连接超时。 - 发件账号
- 登录 SMTP 的完整邮箱地址。留空则用发件账号本身作为发件人。
- 授权码
- 不是邮箱登录密码。在邮箱设置的「POP3/SMTP 服务」里开启后生成，通常 16 位。
- 使用 SSL 加密
- 绝大多数邮箱必须开启。关闭只适用于内网自建邮件服务器。
- 发送测试邮件
- 保存配置并立即发一封测试信。成功会提示收件地址，失败会给出具体原因（超时、拒绝、端口不对）。
- 邮件内容
- 标题为「【观微】任务「规则名」检测到目标」，正文含任务名、触发时间与执行状态，模板固定，不需要自己写。
高级设置
一般不需要改，出问题时才动
- 空闲间隔
- 没有任何规则在监控时的检查间隔，默认 1500 毫秒。调大可进一步省电。
- 激活间隔
- 规则正常运行时的检查间隔，默认 800 毫秒。这是最影响手感的参数。
- 命中后间隔
- 刚命中过一次后的短间隔，默认 400 毫秒，用于快速确认状态是否持续。
- 跳过未变化的画面
- 帧差小于阈值时跳过识别，直接复用上次结果。静态界面可省下大量 CPU，动态画面会自动恢复正常识别。
- 动作排队执行
- 多条规则同时命中时，键鼠动作依次执行而不是并发，避免两个动作抢鼠标导致点错位置。建议保持开启。
- 显示 / 隐藏窗口热键
- 全局快捷键，默认
Ctrl+Alt+V。桌面外壳固定使用该组合，修改后仅影响界面提示。
规则里的参数
决定“什么算命中”和“命中后做什么”
- 连续命中次数
- 连续 N 次检查都满足才执行，默认 2 次。用来过滤一闪而过的误识别，调高更保守。
- 冷却时间
- 同一条规则两次执行之间的最小间隔，默认 5 秒。防止弹窗未消失时反复点击。
- AND / OR
- AND 要求所有条件同时成立；OR 只要任一条件成立。多个 OCR 条件时尤其要注意。
- 每个条件作为独立监控点
- 勾选后保存，每个条件会拆成一条独立规则，各自维护去抖、冷却与状态，实现一块屏幕多点位并行。
- 模板匹配
- 适合图标、按钮、状态灯等形状稳定的图案。阈值调低更宽松，调高更严格。
- ORB 特征匹配
- 适合缩放、轻微变形后的图案，比模板匹配更耐尺寸变化，但更慢。
- 像素精确匹配
- 逐像素比对，最严格。只适合界面完全固定的场景，换主题或缩放后会失效。
- 动作链
- 命中后按顺序执行：语音播报、输入文本、按键、点击、写剪贴板、打开文件或程序、等待。任一步失败可按设定重试。
- 变量与常量
- 用
{{name}}在文本和路径中引用。条件命中后可把识别文字、坐标存入变量，供后续动作使用。
账号、授权与诊断
验证通过才工作，出问题能留证据
- 当前账号 / 剩余时间
- 显示登录账号、剩余有效期与最近一次校验时间。卡密只用于校验期限与设备绑定。
- 有效期至
- 到期后自动停止监控并退出登录，需要充值卡密后重新登录。
- 退出登录
- 立即停止当前监控并返回登录页。换机前可先在旧设备退出，或用「解绑」释放设备绑定。
- 诊断包
- 把配置、主控与 Worker 日志、最近 20 张命中快照打包成 ZIP。反馈问题前导出它，能省掉大量来回询问。
- 诊断包含敏感信息
- 快照是屏幕截图，可能含账号、订单等内容。对外分享前请先检查，或先关闭快照再导出。
- 主控通讯状态
- 显示 WebSocket 本地连接状态与延迟，可发送 Ping 自检。断线时程序会自动重连，不影响已有规则。
FAQ
常见疑问
会把我的屏幕截图上传吗？
不会。截图、OCR、模板匹配全部在本机完成，程序没有账号系统，也不包含任何云端识别调用。
需要另外安装 Python 或 .NET 吗？
不需要。安装包已包含自包含的 .NET 主控、两个冻结的 Python Worker 和三个原生 DLL，目标机器装完即可运行。
能同时监控几个位置？
没有固定上限，取决于机器性能。每个视觉条件都可以作为独立监控点，也可以建立多条规则并行运行；识别任务在 Worker 内串行排队，忙时会丢帧而不是堆积。
支持多显示器和缩放吗？
支持。规则统一保存为 100% 缩放下的逻辑坐标，运行时按每台监视器自己的 DPI 换算成物理像素。
它会操作我的鼠标键盘吗？
只有你配置了动作才会。建议先用「停用动作」的方式验证识别是否稳定，确认命中准确后再打开真实键鼠动作。
为什么不做控件树识别？
读取控件树需要目标程序暴露可访问性信息，很多软件并不提供。纯视觉的方式对所有能看见的界面都成立，代价是更依赖画面本身的质量。
DOWNLOAD
装好就能用，不用配环境
Windows x64 安装包，包含主控、识别 Worker 与原生模块。安装后从开始菜单启动，按 Ctrl+Alt+V 随时呼出。
下载安装包
首次运行如出现 SmartScreen 提示，选择「更多信息 → 仍要运行」