v4.0.3 — 项目终止维护 / End of Life

⛔ 项目终止维护 / End of Life

本仓库已于 2026-09-13 正式封库，不再维护与更新。

中文

决定

pi-version-and-gui 项目自即日起停止一切维护与更新，仓库归档为只读，
不再接受 issue 与 PR。这是本项目的最后一次公告。

原因

本项目的核心前提是「纯文本模型需要外部视觉通道」——把图片转化为坐标 / hex /
矩阵 / 统计等精确数理数据，供文本模型做数值推理与 GUI 控制。

DeepSeek-V4.1 已原生支持多模态输入，该前提不再成立，本项目随之失去存在意义。
与其继续维护一套上游已经内建的旁路方案，不如就此封存。

仍然可用

• 全部代码、文档、提交历史与 MIT 许可保留，可自由使用、fork、二次开发。
• GitHub Release 中的预编译二进制 vs-bin / vsd / vs-mcp（v4.0.0）仍可下载，
  已有的 npm 安装（postinstall 从 Release 拉取二进制）不会中断。
  直链：https://github.com/Moritz230127/pi-vision-struct/releases/tag/v4.0.0
  （scripts/install.js 中的下载地址硬编码指向 v4.0.0，不依赖 Latest 标记，故不受影响。）
• 模型缓存 ~/.cache/vsensor/ 与本地数据不受影响。

不再提供

• 功能更新、安全修复、依赖升级与兼容性适配。
• issue / pull request 响应（仓库归档后无法新建）。
• 请注意：AT-SPI / Wayland / niri 等环境变更可能导致工具失效，请自行评估后使用。

最后版本状态

项目	值
最后版本	v4.0.3（npm pi-version-and-gui@4.0.3）
架构	全 Rust（vs-core 37 模块 / vs-bin 30+ 子命令 / vsd / vs-mcp 28 工具）+ TS 薄壳
验证	241 测试全绿、clippy 0 警告、12 项差分门禁
平台	仅 Linux x86_64（niri Wayland）
许可	MIT

---

English

Decision

The pi-version-and-gui project has stopped all maintenance and updates as of
2026-09-13. The repository is now archived (read-only) and no longer accepts
issues or pull requests. This is the project's final announcement.

Why

The project's premise was that text-only models need an external vision channel —
converting images into precise numeric data (coordinates / hex / matrices /
statistics) for numeric reasoning and GUI control.

DeepSeek-V4.1 now supports multimodal input natively, so that premise no longer
holds and the project has lost its purpose. Rather than keep maintaining a bypass
that upstream has since built in, it is sealed here.

What still works

• All source, docs, commit history and the MIT license remain available for
  use, forking and further development.
• Prebuilt binaries vs-bin / vsd / vs-mcp in the v4.0.0 Release remain
  downloadable, so existing npm installs (postinstall fetches them from
  Releases) keep working.
  Direct link: https://github.com/Moritz230127/pi-vision-struct/releases/tag/v4.0.0
  (The download URLs in scripts/install.js are hardcoded to v4.0.0 and do not
  depend on the "Latest" badge, so they are unaffected.)
• The model cache at ~/.cache/vsensor/ and local data are unaffected.

No longer provided

• Feature updates, security fixes, dependency upgrades, compatibility work.
• Issue / pull request responses (the archived repo cannot accept new ones).
• Note: changes around AT-SPI / Wayland / niri may break the tooling — evaluate
  before relying on it.

Final state

Item	Value
Last version	v4.0.3 (npm pi-version-and-gui@4.0.3)
Architecture	All-Rust (vs-core 37 modules / vs-bin 30+ subcommands / vsd / vs-mcp 28 tools) + thin TS shell
Verification	241 tests green, clippy 0 warnings, 12 differential gates
Platform	Linux x86_64 only (niri Wayland)
License	MIT

---

感谢所有使用、测试与反馈过这个项目的人。

Thanks to everyone who used, tested and gave feedback on this project.

V4.0.0 — 全面 Rust + GUI 控制

V4.0.0 发布：全面 Rust 化 + GUI 控制

• 37 个传感器/模块全 Rust（零 Python 回退）
• GUI 控制：a11y_action 直达 + 五级降级链 + 闭环验证
• 241 测试全绿 + clippy 0 + 差分门禁 12 个
• 性能：scene_stats 17x / pix 4.1x / ocr 1.8x
• GUI 延迟：capture 40ms / analyze 226ms / click 216ms

v3.0.0: D-S 融合引擎 + 轻量 DL 传感器 + 调度管理器 + schema v3

v3.0.0 — V3 大版本（2026-09-01）

① 融合引擎（核心创新）

• vs_fusion.py：D-S 证据理论融合（mass 映射 + 正交和组合 + belief/plausibility/uncertainty）+ 匈牙利全局匹配
• 替代旧 vs_crosscheck.py 硬阈值：边界场景误报率 70% → 0%（实证）

② 6 个新传感器

• vs_saliency.py：U²-Net（ONNX GPU）显著性 → top-N 候选区域（破解复杂背景 zoom-in 死锁）
• vs_segment.py：MobileSAM（5M GPU）前景分割（saliency 联动 box 提示）
• vs_depth.py：MiDaS-small（21M ONNX）单目深度
• vs_edge.py：Devernay 亚像素边缘（像素值半值插值，精度 0.0000px）
• vs_ascii.py：多分辨率 ASCII 栅格（纯文本 LLM 粗看通道）
• vs_geometry.py：VTracer SVG 化 → 形状原语

③ 调度管理器（vsched + vsd）

• 显存预算表（6.5GB）+ 并发信号量 + LRU + 优先级队列 + 功耗感知（battery/plugged）+ CPU 降级
• 子进程隔离：并发 5 任务显存峰值 816MB，零 OOM

④ 优化重构

• SLIC 超像素 / 真 Otsu / OCR 词典纠错 / audit3d multiprocessing 并行

⑤ schema v3 + 多轮协议

• schema v3 全量替换 v2（findings/candidates/foreground/evidence/uncertainty）
• vs_protocol.py：analyze/zoom/probe 三动作（SeeingEye 模式多轮反馈）

⑥ 移除（零其他模型约束）

• 删除 vs_semantic/vs_critic/vs_vlm/vs_crosscheck/vs_chart（qwen3-vl/ollama 依赖清零）
• 零第三方 API，全部输出确定性可复算

⑦ 验证

• 61 断言回归全绿 + 全功能测试 31/31 PASS
• 端到端 3 类真实图（UI/复杂背景/精密零件）候选区全部精确命中
• 全流水线 2.9s（GPU）

环境

• 新增 vsensor conda env（GPU torch cu124 + skimage + onnxruntime-gpu + vtracer + mobile-sam）
• 三 env 隔离（vsensor/pi-vision/omniparser）

v2.2.1: 修复 analyze 传自然语言指令崩溃

问题

用户调用 analyze 时把自然语言指令（如"分析这张截图中的 fcitx5 候选框外观…"）直接传给 --task，而 vs_analyze.py 把 task 当作配置文件名去打开 tasks/<task>.json → [Errno 36] File name too long 崩溃，经 bwrap 沙箱包装后表现为 python failed。

修复

• vs_analyze.py：task 改为文件名安全校验（^[A-Za-z0-9_-]{1,64}$）；传入自然语言长句时返回结构化清晰错误并列出可用任务（diagnose-screenshot / audit-pptx / classify-images / diff-screenshots），提示自由文本视觉分析改用 semantic 动作，不再崩溃。
• 新增 --prompt 参数：随报告带出用户指令（不执行），附 note 指引语义分析走 semantic。
• index.ts：analyze 动作补充 prompt 构建；task 描述明确为预置配置名（非自由文本）。

正确用法

• 数值诊断截图：analyze task=diagnose-screenshot input=<png>
• 自由文本视觉问答（如 fcitx5 外观分析）：semantic image=<png> prompt="..."（VLM 兜底，本地 Ollama）

验证

• analyze 有效任务正常产出；无效 task 返回结构化错误（非崩溃）；客户视角零报错。

v2.2.0: 真几何深度 + VLM 语义兜底 + 依赖健壮性

本次更新

① 真几何深度（depth_geom）—— 不再是亮度梯度

• 新增 vs_depth_geom.py + depth_geom_wrapper.sh：在 Blender 内将所有 MESH 三角面栅格化到相机空间深度缓冲，输出真实几何距离（米）
• 向量化投影 + numpy 扫描线光栅化：480p ≈ 42s / 1080p ≈ 57s
• 涡扇实测：near=0.75m / far=2.05m / median≈1.9m（与引擎真实尺寸吻合，非亮度近似）
• depth 动作现路由 Blender 几何深度（主用）；原亮度梯度 vs_depth.py 保留为无 Blend 时的回退

② 可选 VLM 语义兜底（semantic）—— 不进数值主链

• 新增 vs_semantic_v2.py + semantic 动作：明确标记 semantic_fallback: true，与数值报告严格区分
• 走本地 Ollama（127.0.0.1 硬编码，无外发）；图像自动下采样至 1024 边避免上下文溢出
• 仅当用户明确需要"语义理解"时调用（如"这图讲了什么故事"）

③ Python 依赖健壮性（修复执行失败）

• vs_chart.py 移除对 vs_vlm 的硬 import，改为内联 Ollama 网关（与 semantic 同源）；
  Ollama 不可用时返回结构化错误 + 修复提示，不再崩溃
• depth 动作不再依赖 torch（几何走 Blender / 回退走 PIL）

验证

• py_compile 全绿；fusion 8/8
• 客户视角 21 例零报错一次通过（含 depth_geom + semantic）
• 涡扇渲染全流程：scene_stats / depth_geom / audit3d 均产出真实数值

v2.1.0: audit3d 最大精度重构（AABB 1042→4 真干涉）

核心问题

涡扇场景图 AABB 审计误报 1042 干涉——嵌套/同心结构（转子在静子内、机匣包裹压气机）的轴对齐包围盒天然重叠，但实际网格间存在装配间隙，并非真实穿透。

最大精度修复

vs_blender_dump.py

• 导出真实世界坐标点云 verts（MESH 多边形顶点 + CURVE 样条离散点，每物体 ≤4000 下采样）
• 新增 parent 字段；保留 collection 层级用于嵌套判定

vs_audit3d.py 三级精度模型（对每对 MESH/CURVE）

1. AABB 预筛：已分离的成对物体直接跳过（不计任何计数）
2. OBB-SAT：用 bbox3d 8 角点直接构造有向包围盒，分离轴定理（15 轴）判定——旋转感知，比 AABB 紧致
3. 网格级 surface-to-surface 距离（核心）：scipy.cKDTree 双向最近邻求最小表面间距
   • 环形间隙 → 正间隙判 clearance（正确保留装配间隙）
   • 真实接触 → 距离≈0 判 interference

新增 --method：auto(默认 OBB+Mesh) / obb / mesh / aabb(回退)；新增 verified_clearance 指标

验证（turbofan_v4.blend，172 MESH + 8 CURVE，16110 对）

精度档	interference	clearance
AABB	1042	0
OBB	952	128
auto（最大精度）	4	1056

剩余 4 真干涉均经 KDTree 验证表面距离 0.0mm（spinner↔tip_cap、nacelle↔bypass_duct、core_casing↔bypass_duct、elbow↔elbow），为结构件真实接触，非误报。

依赖：pi-vision env 新增 scipy==1.18.1（cKDTree 必需）。
客户视角 19/19 零报错；fusion 8/8。

v2.0.0: 数理化三维+二维全重构

核心变化

• 架构哲学转变：所有传感器输出精确数值（矩阵/bbox/hex/统计），零VLM主观描述
• 新增三维数理化：blender_dump（4×4矩阵/8点bbox3d）、depth（深度矩阵统计）、audit3d（3D间隙/干涉）
• 新增二维数理化：scene_stats（颜色直方图/面积比/对比度/空间布局，替代旧 semantic）
• 删除VLM热路径：crosscheck数值替代critic VLM判定
• 客户视角19/19零报错一次通过（含涡扇渲染全流程验证）
• README重写：专业架构原理文档（无安装教程/无Docker）

涡扇渲染验证数据

渲染图	主色	对比度 WCAG	前景比
v4_full_side	#ECF0F2 14.8%	2.09	0.497
v4_cutaway	#9FAFAF 17.1%	18.64	0.482
v4_fan_front	#B6C4C5 19.4%	6.97	0.489

场景图（turbofan_v4.blend）

• 196 物体 / 17 集合 / 547 万面 / 8 相机
• MESH 物体 180 个 / 16110 对检测 / 1042 干涉（嵌套结构包围盒重叠）
• 场景范围：0.024m ~ 2.55m

pi-vision-struct 1.0.0 — Linux 正式版

给纯文本模型的像素级精确视觉通道

DeepSeek 等纯文本模型经本扩展获得视觉能力：输出数字/坐标/hex（可复算、可审计），而非自然语言转述。

亮点

• 单端口工具 vs：20 个 action 覆盖截屏/OCR/像素测量/DOM/PPTX/PDF/无障碍树/开放词表检测/图表转数据/融合审计/VLM 复核/CLIP 聚类；上下文注入仅 ~700 tokens
• 分层无损架构：L0 源码 → L1 确定性测量 → L2 opt-in 本地 VLM，一切输出可复算
• 自稳定层：调用前两级预检、常驻服务自动拉起与自愈、git 完整性可见化
• 安全：bwrap 内核沙箱零网络 + 系统根只读 + unix socket IPC，依赖版本冻结
• 坐标原语记法：所有异常带 [bbox: x1,y1,x2,y2]，下游推理免疫指代歧义

安装

Linux only。手把手教程见 README（七步，每步带验证命令）；或 Docker 零安装：

docker pull ghcr.io/moritz230127/pi-vision-struct:latest

验证

• 客户视角全功能 19 例零报错一次通过（含沙箱路径）
• 安装教程成功/失败路径均经纯净容器实测
• 回归 25 断言全绿；基准卡 ΔE=0.0 / OCR CER=0.0 / diff recall=1.0

平台

仅 Linux x86_64。macOS / Windows 不支持。

pi-vision-struct v0.3.0 — Docker + 三系统安装

v0.3.0

• Docker 镜像（GHCR 已发布）：ghcr.io/moritz230127/pi-vision-struct:latest（5.03GB）
• 三系统安装脚本：install-linux.sh / install-macos.sh / install-windows.ps1
• 容器内验证：env/pix/ocr/omniparser/cluster 全部离线通过

用法

docker pull ghcr.io/moritz230127/pi-vision-struct:latest
docker run --rm -v "$PWD":/work ghcr.io/moritz230127/pi-vision-struct:latest <action> --image /work/a.png
# actions: env pix ocr layout omniparser pdf rules audit critic cluster capture pptx dom semantic wallpaper

文档: docs/docker.md | GitHub: https://github.com/Moritz230127/pi-vision-struct