Openclaw 11 In 1 Visual Automation Suite

# 通用电脑视觉自动化 Skill 体系

这是一个完整的 **基于图像识别+OCR** 的电脑自动化技能框架，包含多个可独立调用的最小执行单元，也可以自由组合成复杂的自动化任务。**本技能包是合集，可以根据需求拆分使用单个单元**。

## 目录结构
```
computer_skill/
├─ templates/ # 永久模板库（不删除）
│  ├─ desktop/ # 桌面图标模板
│  ├─ taskbar/ # 任务栏图标模板
│  ├─ system/ # 系统通用按钮模板
│  └─ wechat/ # 微信示例模板（以后可新增其他软件）
└─ temp/ # 临时截图（用完立即删除）
```

## 核心特性

- 🎯 **原子化设计**：所有功能拆分为最小可执行单元，按需组合
- 🔍 **双重定位**：OCR文字识别优先，模板匹配兜底，兼顾准确性和灵活性
- 🖱️ **全功能支持**：截图、识别、定位、点击、输入全流程支持
- ♻️ **支持循环监控**：可以设置自动循环，实现持续监控和重复任务
- 📝 **简单易扩展**：用 `call 单元名 参数` 格式即可编写新技能

## 所有最小可执行单元清单

| 单元名称 | 固定调用名 | 功能 | 单独调用方式 |
|---------|-----------|------|------------|
| 初始化环境 | `init_env` | 创建目录结构、清空 temp、检查模板目录 | `call init_env` |
| 全屏截图 | `screenshot_full` | 截取整个屏幕保存为 temp/screen.png | `call screenshot_full` |
| 检查截图有效性 | `check_screenshot_valid` | 检查是否黑屏/冻结，无效则唤醒界面 | `call check_screenshot_valid` |
| 唤醒界面 | `wake_window` | 解决后台不渲染、截图黑屏问题 | `call wake_window` |
| OCR识别 | `ocr_recognize` | 识别屏幕所有文字与对应坐标 | `call ocr_recognize` |
| 模板匹配 | `template_match` | 用模板图匹配定位图标/按钮 | `call template_match 分类 模板名称` |
| 统一定位 | `locate_target` | OCR优先，找不到再用模板匹配，返回目标坐标 | `call locate_target 目标文字 或 分类+模板名` |
| 鼠标点击 | `mouse_click` | 移动到指定坐标执行点击 | `call mouse_click X Y [点击类型，默认单击]` |
| 键盘输入 | `keyboard_input` | 定位输入框后输入文字 | `call keyboard_input 目标坐标/描述 输入内容` |
| 清理临时文件 | `clean_temp` | 删除临时截图，释放空间 | `call clean_temp` |
| 循环重启 | `loop_restart` | 等待2秒后回到截图重新开始 | `call loop_restart` |

## 使用方法

### 单独调用单元
**格式**:
```
call [单元调用名] [参数...]
```

**示例**:
- 初始化环境：`call init_env`
- 模板匹配微信图标：`call template_match desktop wechat`
- 点击坐标(100,200)双击：`call mouse_click 100 200 双击`

### 组合成新任务
按执行顺序，每行写一个调用指令，即可组合成自定义新任务：

**格式示例（打开微信）**:
```
# 任务名称：打开微信
call init_env
call screenshot_full
call check_screenshot_valid
call locate_target 微信 desktop wechat
call mouse_click {{定位结果X}} {{定位结果Y}} 双击
call clean_temp
```

**组合步骤**:
1. 先写任务名称和说明（方便后续识别）
2. 按执行顺序，每行一条 `call 单元名 参数` 指令
3. 坐标可以用变量 `{{定位结果X}}` `{{定位结果Y}}` 承接上一个单元的输出
4. 需要循环的话，最后加 `call loop_restart`
5. 保存自定义技能后，后续直接 `call 技能名称` 调用

## 完整主流程调用示例

```
# 通用主流程：vision_auto_main
call init_env
call screenshot_full
call check_screenshot_valid
call ocr_recognize
# 如果需要模板匹配，加这行：call template_match 分类 名称
call locate_target 目标文字
call mouse_click {{X}} {{Y}}
# 如果需要输入文字，替换上面一行为：call keyboard_input {{X}} {{Y}} 输入内容
call clean_temp
# 需要循环就加：call loop_restart
```

## 完整主流程说明 (`vision_auto_main`)

执行顺序（从上到下依次执行）：

1.  `init_env`                → 初始化环境（创建目录+清空temp+检查模板目录）
2.  `screenshot_full`         → 截取全屏保存为temp/screen.png
3.  `check_screenshot_valid`  → 检查截图是否有效
    ├─ 有效 → 继续下一步
    └─ 无效 → 调用 `wake_window` 后回到 step 2 重试
4.  `ocr_recognize`           → OCR识别屏幕所有文字与坐标
5.  `template_match`          → 如果需要，进行模板图匹配定位
6.  `locate_target`           → 统一定位目标（OCR优先，模板补充）
7.  分支执行：
    ├─ 需要鼠标点击 → `mouse_click`   → 点击目标坐标
    └─ 需要文字输入 → `keyboard_input` → 输入目标文字
8.  `clean_temp`              → 删除临时截图，不保留任何临时文件
9.  `loop_restart`（可选）    → 如果需要循环监控/重复任务，执行循环重启
    └─ 不需要循环 → 流程结束

## 运行规则
1. **temp目录**：只允许存在一张截图，每次运行前必须清空temp目录
2. **templates目录**：目录内的图片永久保存，不删除

## 依赖
- Python 3.x
- OpenCV (模板匹配)
- pytesseract / 其他OCR引擎
- pyautogui (鼠标键盘控制)
- PIL (图像处理)