be1st

立项背景与目标：《侯马盟书》是春秋晚期晋国独有的朱书玉石文字遗存，入选 1949 年以来中国考古十大发现之一，是研究先秦政治、法制与文字演变的一手实物资料。但盟书历经两千余年风化侵蚀，字迹模糊、笔画残缺、异体字繁多，传统人工目验手摹的释读方式效率低、周期长。本项目目标是以人工智能与计算机视觉技术构建覆盖"图像处理—文字检测—字形识别—释读输出—知识关联"的全流程古文字识别与数字化保护平台，服务文物保护与古文字研究。 软件功能与核心模块：平台包含 9 大 API 模块与 8 个工作台面板。①用户体系：注册/登录、JWT 鉴权、管理员角色、登录限流、审计日志；②图像管理：盟书图像上传与元数据管理；③识别流水线：真实调用 PaddleOCR 完成文字检测与字形识别，逐字返回位置框、置信度，并自动匹配释读词典；④释读词典：内置 27 条基础词条（侯、馬、盟、書、晉、誓等），支持检索与管理员维护；⑤数据集标注工具：在图像上拖拽框选文字，填写字形与异体字，支持核验与导出；⑥知识图谱：字形—类别—概念共 19 个节点、13 条关系的可视化；⑦管理后台：用户角色管理、图像/词典管理、审计日志查看；⑧统计看板与 CSV 结果导出、失败任务重试。 业务流程与功能路径：核心识别流程为"上传图像 → 创建异步识别任务 → 后台模型服务执行文字检测与识别 → 逐字输出置信度与释读释义 → 前端可视化（位置框 + 结果列表）→ CSV 导出"。标注流程为"选择图像 → 框选文字区域 → 填写字形与异体字 → 保存/核验 → 一键导出 YOLO/COCO 格式训练数据集"。完整流程已通过桌面与移动端自动化验证。

立项背景与目标：让大模型真正"接管电脑"这件事，目前主流方案要么把整个桌面关进沙箱（无法操作用户的真实软件），要么直接把完整控制权交给模型、中间没有任何人工确认环节——一次误点就可能发出无法撤回的消息、完成一笔付款或删掉重要文件。 本项目要解决的就是这个矛盾：做一个既能操作真实 Windows 桌面、又把危险动作拦在人工确认之前的桌面控制 MCP 服务。目标是"给智能体一双手，但不交出钥匙"。 软件功能与核心模块： 1. 共 26 个 MCP 工具，分七类：观察（整屏截图、局部放大、屏幕指纹、等待画面变化）、语义定位（UI Automation）、OCR 文字识别、鼠标、键盘、窗口与程序启动、编排（批处理）。 2. 三级定位策略：优先用 UI Automation 按控件名直接触发（连鼠标都不用移动）；读不到控件树时退回 OCR 识别屏幕文字、按识别出的坐标点击；两者都不行才用纯坐标。 3. 策略引擎：四张可配置名单，分"硬拒绝"与"必须审批"两档。密码管理器、加密钱包、注册表与磁盘工具直接拒绝且无法绕过；通讯、邮件、远程桌面类应用则不做禁止，但其中任何一次点击或按键都要先弹窗。 4. 人机确认闸门：危险动作会弹出真实的 Windows 对话框并阻塞等待，只有真人点击才能放行；回车键刻意不绑定，避免误按放行。 5. 防护开关面板：三个互相独立的开关（审批弹窗 / 黑名单 / 审计日志），通过标记文件实现，改动即时生效、无需重启服务。 6. 审计日志：把每个动作连同解析出的目标进程一起写入 audit.jsonl，事后可追溯。