feat: publish ocr_utils, vision_sop, ui_detect to public repo

memory/vision_sop.md

@@ -0,0 +1,48 @@
+# Vision API SOP
+
+## ⚠️ 前置规则（必须遵守）
+
+1. **先枚举窗口**：调用 vision 前必须先用 `pygetwindow` 枚举窗口标题，确认目标窗口存在且已激活到前台。窗口不存在就不要截图。
+2. **🚫 禁止全屏截图**：必须先 `win32gui.GetWindowRect` 获取目标窗口坐标，再 `ImageGrab.grab(bbox=...)` 截窗口区域。能截局部（如标题栏）就不截整窗口，能截窗口就绝不全屏。全屏截图在任何场景下都不允许。
+3. **能不用 vision 就不用**：如果窗口标题/本地 OCR（`ocr_utils.py`）能获取所需信息，就不要调用 vision API，省 token 且更可靠。Vision 是最后手段。
+
+## 快速用法
+
+### 函数签名
+```python
+ask_vision(
+    image_input,
+    prompt: str | None = None,
+    timeout: int = 60,
+    max_pixels: int = 1_440_000,
+) -> str
+```
+
+### 示例
+```python
+from vision_api import ask_vision
+result = ask_vision("image.png", prompt="描述图片内容")  # 路径或PIL Image均可
+```
+返回 `str`：成功为模型回复，失败为 `Error: ...`。
+
+## 核心参数
+- `image_input`: 文件路径(str/Path) 或 PIL Image 对象
+- `prompt`: 提示词（默认：详细描述这张图片的内容）
+- `max_pixels`: 最大像素数（默认1440000，超则自动缩放）
+- `timeout`: 超时秒数（默认60）
+
+## 故障排除
+| 问题 | 解决方案 |
+|------|--------|
+| 导入失败 | 可检查 `../../mykey.py` 文件是否存在（仅检查存在性，不读取内容） |
+| 超时 | 提高 timeout 或降低 max_pixels |
+| 格式错误 | 确保使用 PIL 支持的格式（PNG/JPG/GIF等） |
+
+## 关键风险与坑点 (L3 Caveats)
+- **无重试机制**: `vision_api.py` 内部未实现 API 错误重试（如 503、超时）。在自动化流程中使用时，**必须在上层代码手动实现重试逻辑**（建议指数退避），否则偶发网络波动会导致任务直接崩溃中断。
+- **API Config**: 当前使用 `claude_config141`(ncode.vkm2.com, 已验证)。备选可用: `native_claude_config2/84/5535`。失效时直接改 `vision_api.py` 中的 `cfg = mk.claude_configXXX`。
+
+---
+更新: 2025-07-18 | 修复oai_config导入+返回值统一str
+更新: 2026-02-18 | 默认后端改为Claude原生API | SOP精简(删废话/水段/合并示例)
+更新: 2026-07 | 修复config(原claude_config8不存在)→改为claude_config141