media-to-doc-ui v1.5.0 — per-run profile + project registry + long-doc skill bundle

Release Notes — media-to-doc-ui v1.5.0

发布日期:2026-07-26
子仓 tag:v1.5.0(annotated)
发布地址:https://github.com/kizemo/media-to-doc-ui/releases/tag/v1.5.0
主仓 handoff:见主仓 handoff-w15-a-t7-2-product-feedback-COMPLETE-2026-07-26.md

---

亮点

1. 二轮产品反馈 12-task 全部实装(W15-A T7.2)

Task	内容	落点
T1	per-run profile(WorkflowState.profile_name)	主仓 CLI + MCP + Tauri
T3	task text 注入 chapter / draft prompt	主仓 mtd run --task "..."
T4	imagegen 策划 LLM + LocalSdxlProvider 最小实现	主仓 imagegen.py
T9	long-doc skill snapshot bootstrap(23 文件 vendored)	主仓 data/long_doc_skill/
T10	longdoc.py 读 vendored(5 新函数 + importlib.resources)	主仓 pipeline/longdoc.py
T11	Tauri bundle.resources + Claude PostToolUse hook	子仓 + ~/.claude/settings.json

2. long-doc skill snapshot 完整 vendored(T9 + T11)

关键设计:把 long-doc-processor Skill 真身(SKILL.md + 12 references + 10 scripts + MANIFEST,sha256 校验)作为 src/media_to_doc/data/long_doc_skill/ 子包,跟随 wheel + Tauri NSIS installer 一起分发。NSIS 运行时不再依赖 C:/Users/Duanyi/.claude/ 路径。

• hatchling 默认打包(snapshot 23 文件进 wheel + sdist)
• pyproject.toml 无需 force-include(默认 packages 含 data/)
• importlib.resources.files() 返真实 Path(__init__.py 让 data 成 regular package)
• T11 自定义 NSIS:绕过 Tauri bundler(系统 NSIS 3.12),bundle.resources 不会自动 copy → installer.nsi File /r 显式把 snapshot 打到 $INSTDIR\long_doc_skill\
• Claude 全局 PostToolUse hook:改 SKILL.md 自动 sync → snapshot 同步

3. per-run profile + task text(T1 + T3)

用户原痛点:"每个 run 需要不同 LLM profile(批量场景)"、"想给每个 run 写明确目标"。

• mtd run --profile <name> 选 LLM profile(profile 作 gate,不创建新 profile)
• mtd run --task "目标" 注入 chapter / draft prompt
• WorkflowState.profile_name + WorkflowState.task_text 持久化,resume 自动恢复
• Tauri UI New Run tab:dynamic dropdowns + task textarea

4. imagegen planner LLM(T4)

SkipProvider 落 image_plans.json(策划阶段),LocalSdxlProvider 真出图(实现阶段),profile name 作 gate 复用现有 LLM env/config。

5. Project Registry + Keyring(T7-Tauri)

• 5 个新 Tauri commands(list_projects / add_project / remove_project / open_project / update_project_metadata)
• src/keyring_store.rs 用 Windows Credential Locker 安全存 API key
• 多项目并发 + 持久化 registry

6. New Run Tab 重做(T8-Tauri)

• __mountNewRunTab__ 大改:dynamic dropdowns(LLM / Image Agent profile)+ task textarea + 选目录按钮
• 透传到 runner.rs build_mtd_run_args 加 3 参数(llm_profile_name / image_agent_profile_name / task_text)
• commands.rs run_pipeline / resume_pipeline 透传

7. LLM API Settings + Keyring 注入

• src/llm_profiles.rs 8 个 providers preset 端到端 UI 配置 + 探测(env vars 透传 env_process spawn)
• keyring 注入 env vars(替代 inject_active_llm_env)

---

Assets

Asset	Size	SHA256
media-to-doc-1.5.0-setup.exe	2,780,157 bytes (2.65 MiB)	a470f2a84b6099248eac33aac1996c5e459692b64d7144d156d247ccf2b04fb1

注:v1.5.0 只发布 NSIS installer(无便携版)。便携版如需要,从 cargo tauri build --target portable 单独打。

---

安装

Windows(installer,推荐)

1. 下载 media-to-doc-1.5.0-setup.exe
2. 管理员运行(perMachine 安装)
3. 装到默认 D:\Program Files\MediaToDoc\
4. 桌面 / 开始菜单启动 media-to-doc
5. 验证 long_doc_skill 已装:ls "D:\Program Files\MediaToDoc\long_doc_skill\"(应见 23 文件)

环境配置(必做)

# 主仓路径
setx MEDIA_TO_DOC_PROJECT "F:\soft\00selfmade\media-to-doc"

# (可选)uv 路径
setx UV_BIN "C:\Users\Duanyi\.local\bin\uv.exe"

# (可选)workspace
setx MEDIA_TO_DOC_WORKSPACE "F:\soft\00selfmade\media-to-doc\workspace"

验证 long-doc skill snapshot(可选)

# 在主仓跑 sync 校验
python F:\soft\00selfmade\media-to-doc\scripts\verify_long_doc_skill.py
# 期望:exit 0,无 drift(23 文件 hash 一致)

macOS / Linux

跨平台编译需 Rust 1.97+ + WebKit/GTK 依赖。Tauri 官方文档见 https://tauri.app/start/prerequisites/。

---

测试

• 632 pytest 用例 / 0 跳过(1.3.0 604 → 1.5.0 632,+28)
  • 7 个 T3 task_text
  • 5 个 T4 imagegen planner
  • 5 个 T9 sync_long_doc_skill
  • 7 个 T10 longdoc integration
  • 4 个 T1 profile flags
• 111 cargo test / 0 失败(Tauri 子仓)
• ruff:All checks passed
• cargo tauri build exit 0(2m 51s)
• 7z 验证 NSIS:23 long_doc_skill 文件全含 + 无 pycache/ 污染

---

已知问题

• Rust toolchain 需 1.97+(自带 lld-link 无需 MSVC)
• 公司 VPN 用户构建时需设 CARGO_NET_TLS_VERIFY=false(运行不受影响)
• macOS / Linux 编译需用户自查环境
• 主仓 PyPI 仍为 v1.2.1(子仓独立 release,主仓 wheel 跟随子仓 release 同步重打)

---

上游

主仓 media-to-doc v1.2.1(pip install media_to_doc 装的 Python 后端)已发布:

• PyPI:https://pypi.org/project/media-to-doc/
• GitHub:https://github.com/kizemo/media-to-doc/releases/tag/v1.2.1

UI 端调用此 Python 后端做实际 pipeline,UI 自身只做 orchestrator + log tail + 输出展示。
v1.5.0 包含的主仓新功能(per-run profile / task text / imagegen planner / long-doc skill)随 wheel 一同分发;NSIS installer 内嵌 snapshot,无需运行时读 ~/.claude/。

media-to-doc-ui v1.4.2 — icon set refresh

Release Notes — media-to-doc-ui v1.4.2

发布日期:2026-07-24
子仓 tag:v1.4.2(annotated)
承接 handoff:handoff-w15-a-v141-release-2026-07-24.md 续(本会话)

---

亮点

1. 替换应用图标 — docs/media-to-doc.png

之前 v1.4.x 一系列发布的应用图标是 W14-B 临时生成的占位蓝色播放键。本版本正式采用项目 logo docs/media-to-doc.png(深蓝底 + 白色播放键 + 文档线条 + 圆角)替换全部图标文件:

位置	文件	改动
Windows installer / 桌面 / 任务栏	icons/icon.ico	67KB → 67KB(重生成)
Windows 任务栏 32×32	icons/32x32.png	229B → 2.3KB(占位替换)
Windows 任务栏 64×64	icons/64x64.png	4112B → 6.4KB
Windows 任务栏 128×128	icons/128x128.png	15KB → 20KB
Windows 开始菜单	icons/128x128@2x.png	62KB → 62KB
Tauri icon ref	icons/icon.png	210KB → 157KB
Windows Store	7 个 Square*.png	全部重生成
macOS DMG	icons/icon.icns	1280KB → 1280KB(重生成)
iOS / iPadOS	14 个 AppIcon-*x*.png	全部重生成
Android	14 个 mipmap-*/*.png	全部重生成

源图来自项目 docs/media-to-doc.png(128×128 RGBA),用 Pillow LANCZOS 重采样到 1024×1024 后,再由 cargo tauri icon 自动生成全套 38 个图标。

2. NSIS installer 同步 bump 1.4.1 → 1.4.2

• src-tauri/Cargo.toml version = 1.4.2
• src-tauri/tauri.conf.json version = 1.4.2
• src-tauri/nsis/installer.nsi PRODUCT_VERSION = 1.4.2
• 产出 media-to-doc_1.4.2_x64-setup.exe(预计 ~1.58MB,同 1.4.1 安装逻辑)

---

验证状态

验证	结果
cargo test --release	43/43 passed(与 v1.4.1 一致)
cargo tauri build	(build 中)
静态代码审查	✅ 版本号 + 图标替换,无逻辑改动
本机装 v1.4.1 → 启动看主窗口 badge	(待用户桌面手动验,见 §安装)
sandbox-verify	⚠️ 跳过 — 同 v1.4.1,Win11 Build 26200 (Insider) 沙箱跑不通

---

Assets

Asset	Size	SHA256
media-to-doc_1.4.2_x64-setup.exe	~1.58MB	(gh release page 显示)

(无 portable 版本)

---

安装

Windows(installer,推荐)

1. 下载 media-to-doc_1.4.2_x64-setup.exe
2. 管理员运行(perMachine 安装)
3. 默认装到 D:\Program Files\MediaToDoc\(W14-G+ 决策,D 盘优先;C 盘 fallback)
4. 桌面 / 开始菜单启动 media-to-doc
5. 桌面快捷方式图标应为新 logo(深蓝底白播放键 + 文档线条)
6. 启动后,主窗口 title 区域的 badge 应显示 v1.4.2

升级路径(v1.4.0 / v1.4.1 → v1.4.2)

• installer:覆盖安装(NSIS 自动卸载旧版)
• 配置 / workspace / inbox 不需变动
• 用户在 v1.4.1 桌面手动验发现的主窗口 badge regression 在 v1.4.1 已修,本版本图标同步

卸载

• 控制面板 → 程序和功能 → MediaToDoc → 卸载
• 干净卸载,无残留(NSIS SectionEnd 内 RMDir $INSTDIR + DeleteRegKey)

---

已知问题

• Rust toolchain 需 1.97+(自带 lld-link 无需 MSVC)
• 公司 VPN 用户构建时需设 CARGO_NET_TLS_VERIFY=false(运行不受影响)
• macOS / Linux 编译需用户自查环境
• Win11 Insider Build 容器功能 broken(影响本机器 sandbox-verify 跑不动),Release 通道不受影响

---

上游

主仓 media-to-doc Python 后端 v1.2.1 仍是最新(W15-A 是子仓 UI 改造,主仓无对应改动):

• PyPI:https://pypi.org/project/media-to-doc/
• GitHub:https://github.com/kizemo/media-to-doc/releases/tag/v1.2.1

---

后续

• W15-A(LLM API Settings) 实装进入下一阶段(spec + plan 已落地,见 docs/superpowers/specs/2026-07-23-w15-a-llm-api-settings-design.md + docs/superpowers/plans/2026-07-23-w15-a-llm-api-settings.md)
• 用户已决定 4 个 placeholder 服务商(MiniMax / 接口 AI / 胜算云 / TeamoRouter)→ 替换为真实服务商(下一步需用户告知替换为哪家)
• Win11 Build 26200 Insider 沙箱 broken:用户决定降级通道 / 关闭 HVCI / 借机器 / 接受 sandbox-verify 跳过 4 选 1

media-to-doc-ui v1.4.1

Release Notes — media-to-doc-ui v1.4.1

发布日期:2026-07-24
子仓 tag:v1.4.1(annotated)
主仓 handoff:handoff-w15-a-v014-blocker-2026-07-23.md 续(本会话)

---

亮点

1. 修复主窗口 v0.1.0 badge regression(用户桌面手动验 2026-07-23 发现)

症状:v1.4.0 build 启动后,主窗口 title 区域的版本 badge 显示 v0.1.0,与实际 1.4.0 不符。

根因:src/index.html:257 硬编码了 W14-B 早期的占位值:

<!-- v1.4.0 之前 -->
<span class="badge" id="version-badge">v0.1.0</span>

JS 在 loadAppInfo() 里用 app_info.version 覆盖,但 async 调用在完成前(以及失败时)badge 仍显示硬编码值。cargo test 跑不到 WebView,code review 看不到视觉细节,这个 regression 从 W14-B 起一直未被发现。

修复(本版本):

• A. src/index.html:257 初值改为 '' (空),初值不露馅
• B. loadAppInfo() 内层包 Promise.race([invoke('app_info'), 2s timeout]),超时/失败时 badge 显示 'unknown',给用户清晰信号而非错误版本

@@ src/index.html
-    <span class="badge" id="version-badge">v0.1.0</span>
+    <span class="badge" id="version-badge"></span>
@@
 async function loadAppInfo() {
+  // 2s timeout fallback: 防 app_info hang 时 badge 一直空白/露 v0.1.0
+  const infoTimeout = new Promise((_, reject) =>
+    setTimeout(() => reject(new Error('app_info timeout 2s')), 2000));
   try {
-    const info = await invoke('app_info');
+    const info = await Promise.race([invoke('app_info'), infoTimeout]);
     $('version-badge').textContent = 'v' + info.version;
     // ...
   } catch (e) {
+    $('version-badge').textContent = 'unknown';
     $('info-error').textContent = '⚠ ' + e;
   }
 }

2. NSIS installer 同步 bump 1.4.0 → 1.4.1

• src-tauri/Cargo.toml version = 1.4.1
• src-tauri/tauri.conf.json version = 1.4.1
• src-tauri/nsis/installer.nsi PRODUCT_VERSION = 1.4.1
• 产出 media-to-doc_1.4.1_x64-setup.exe(~1.58MB,同 1.4.0 安装逻辑)

---

验证状态

验证	结果
cargo test --release	43/43 passed (W14-C A baseline + W14-B+2 +9,与 v1.4.0 一致)
cargo tauri build	✅ exit 0(3 min 14s 首次,v1.4.1 增量预计更短)
静态代码审查	✅ 修复 diff 2+2+1 行,无副作用
sandbox-verify	⚠️ 跳过 — Win11 Build 26200 (Insider) Hyper-V 已知 broken,V-Switch 启动超时(系统日志 ID=285 反复),sandbox 进程 15s 内退出,沙箱内脚本未跑到。环境问题,不是代码问题。建议未来 sandbox feature 验证在 Win11 Release 通道或备用机器跑。

---

Assets

Asset	Size	SHA256
media-to-doc_1.4.1_x64-setup.exe	~1.58MB	(gh release page 显示)

(无 portable 版本,本版本未涉及 portable 改动)

---

安装

Windows(installer,推荐)

1. 下载 media-to-doc_1.4.1_x64-setup.exe
2. 管理员运行(perMachine 安装)
3. 装到默认 C:\Program Files\MediaToDoc\
4. 桌面 / 开始菜单启动 media-to-doc
5. 启动后,主窗口 title 区域的 badge 应显示 v1.4.1

升级路径(v1.4.0 → v1.4.1)

• installer:覆盖安装(NSIS 自动卸载 v1.4.0)
• 配置 / workspace / inbox 不需变动

---

已知问题

• Rust toolchain 需 1.97+(自带 lld-link 无需 MSVC)
• 公司 VPN 用户构建时需设 CARGO_NET_TLS_VERIFY=false(运行不受影响)
• macOS / Linux 编译需用户自查环境
• Win11 Insider Build 容器功能 broken(影响本机器 sandbox-verify 跑不动),Release 通道不受影响

---

上游

主仓 media-to-doc Python 后端 v1.2.1 已是最新(无 W15-A 关联改动):

• PyPI:https://pypi.org/project/media-to-doc/
• GitHub:https://github.com/kizemo/media-to-doc/releases/tag/v1.2.1

---

后续

• W15-A(LLM API Settings)进入实装阶段(spec + plan 已落地,见 docs/superpowers/specs/2026-07-23-w15-a-llm-api-settings-design.md + docs/superpowers/plans/2026-07-23-w15-a-llm-api-settings.md)
• W14-F D 决定 sandbox-verify 沙箱自动化受限时,fallback 走静态 review + cargo test

v1.4.0 — Tauri dev 模式 frontendDist-only,免 python http.server 占位

What's New in v1.4.0

🛠️ Dev UX 改进: Tauri dev 模式改 frontendDist-only

W14-D E2E 撞墙:tauri.conf.json 的 devUrl=http://localhost:1420 + beforeDevCommand="" 让 cargo tauri dev 等不到 vite frontend server,要靠 python -m http.server 1420 占端口做临时 hack。

修复(c780654)

按 Tauri 2 标准做法:有 devUrl 走 devUrl,无 devUrl fallback 到 frontendDist(builtin assets protocol)。

• 删 devUrl 字段
• 删 beforeDevCommand 字段
• dev 模式直接 serve ../src 静态,不需要 dev server、不需要 beforeDevCommand、不需要 python -m http.server 1420

验证

• cargo tauri dev 增量编译 38.51s 启动
• media-to-doc-ui.exe PID=10440 直接 Running,无 vite 卡顿
• 8 commands 后端 API 等价回归 8/8 OK(probe / list_courses / check_status / list_outputs / read_lecture / get_run_metrics / list_runs / read_log)
• 43 cargo test / 0 failed

影响

• 用户:无影响 — 安装包行为不变
• 开发者:cargo tauri dev 现在开箱即用,无需任何占位命令

子项目状态

• 子仓 master 8fd49dc(v1.4.0 frontendDist-only + installer v1.4.0 同步)
• 主仓 v1.3.0 已发(整合 W14-D E trust_env 全 provider 隔离,见 media-to-doc v1.3.0)
• Tauri UI 仍调用主仓 media_to_doc==1.3.0 Python 后端跑 pipeline

Assets

Asset	Size	SHA256
media-to-doc-1.4.0-setup.exe	1,576,402 bytes (1.50 MiB)	7c65bb677ca2dfa16f7cc99748cb4ed31447b2c64bc8ed2c290d274d47683480
media-to-doc-1.4.0-portable.exe	6,233,088 bytes (5.95 MiB)	46c980b279f4957a5f30651e6ba770897f175116c6b56c264e1a2835f44d9cba

安装

# 1. 装主仓 Python 后端(v1.3.0)
uv pip install --upgrade media_to_doc==1.3.0

# 2. 装 Tauri UI 桌面壳(v1.4.0)
# 下载 media-to-doc-1.4.0-setup.exe 管理员运行
# 或下载 media-to-doc-1.4.0-portable.exe 双击运行

完整变更

• c780654 feat(ui): v1.4.0 — dev 模式改 frontendDist-only,免 python http.server 占位
• 8fd49dc build(ui): v1.4.0 — NSIS installer 同步 bump 1.3.0 → 1.4.0
• 207ed45 docs(handoff): v1.4.0 — 归档 frontendDist-only handoff

media-to-doc-ui v1.3.0

Release Notes — media-to-doc-ui v1.3.0

发布日期:2026-07-22
子仓 tag:v1.3.0(annotated)
发布地址:https://github.com/kizemo/media-to-doc-ui/releases/tag/v1.3.0
主仓 handoff:见同目录 handoff-w14d-*.md

---

亮点

1. 8 个 Tauri commands 全部实装(W14-B+ 系列)

Command	语义	与 MCP 8 工具对齐
list_courses	扫描 inbox 课程目录	✅
run_pipeline	启动 11 stage pipeline	✅
resume_pipeline	中断后续跑	✅
cancel_run	同步取消(≤2s 超时)	✅
check_status	读 state.json	✅
list_outputs	列 output_final 产物	✅
read_lecture	读 md/html,优先 W12-D 布局	✅
get_run_metrics	LE L1 健康度查询	✅
list_runs	LE 跨 run 健康度	✅

2. 多课程并发(W14-C A)

• max_concurrent=3(env override)
• completed LRU 100
• cancel 2s 超时 + kill_tree 兜底
• list_all_runs 混合 running + completed
• 前端 3s global poll + per-run log tail(独立 offset)

3. NSIS installer(W14-C B + W14-D 实编译)

• 系统 NSIS 3.12(绕开 Tauri bundler GitHub TLS)
• 装到 Program Files\MediaToDoc\
• 桌面 + 开始菜单快捷方式
• .mtdproj 文件关联
• Release assets:installer + portable 2 种

4. 真跑 30s 测试视频(W14-C E)

• env 三件套(unset proxy + HF_ENDPOINT + HF_HUB_DISABLE_XET)
• audio → asr → frames 完成
• ocr 因合成图无场景变化预期失败(pipeline 基础设施 OK)

---

Assets

Asset	Size	SHA256
media-to-doc-1.3.0-setup.exe	~1.5MB	(gh release page 显示)
media-to-doc-1.3.0-portable.exe	~6.2MB	(gh release page 显示)

---

安装

Windows(installer,推荐)

1. 下载 media-to-doc-1.3.0-setup.exe
2. 管理员运行(perMachine 安装)
3. 装到默认 C:\Program Files\MediaToDoc\
4. 桌面 / 开始菜单启动 media-to-doc

Windows(portable,免安装)

1. 下载 media-to-doc-1.3.0-portable.exe
2. 双击运行(无需安装)

环境配置(必做)

# 主仓路径
setx MEDIA_TO_DOC_PROJECT "F:\soft\00selfmade\media-to-doc"

# (可选)uv 路径
setx UV_BIN "C:\Users\Duanyi\.local\bin\uv.exe"

# (可选)workspace
setx MEDIA_TO_DOC_WORKSPACE "F:\soft\00selfmade\media-to-doc\workspace"

macOS / Linux

跨平台编译需 Rust 1.97+ + WebKit/GTK 依赖。Tauri 官方文档见 https://tauri.app/start/prerequisites/。

---

测试

• 43 cargo test / 0 failed(W14-C A baseline)
• 8 commands 全部经 cargo test 验证
• 端到端 30s 合成视频 audio/asr/frames 通过

---

已知问题

• Rust toolchain 需 1.97+(自带 lld-link 无需 MSVC)
• 公司 VPN 用户构建时需设 CARGO_NET_TLS_VERIFY=false(运行不受影响)
• macOS / Linux 编译需用户自查环境
• pip 包 media_to_doc 仍是 v1.2.1(主仓独立版本,等 v1.3.x 整合)

---

上游

主仓 media-to-doc v1.2.1(pip install media_to_doc 装的 Python 后端)已发布:

• PyPI:https://pypi.org/project/media-to-doc/
• GitHub:https://github.com/kizemo/media-to-doc/releases/tag/v1.2.1

UI 端调用此 Python 后端做实际 pipeline,UI 自身只做 orchestrator + log tail + 输出展示。