{
"TaskA": {
"next: [
"TaskB",
"TaskC"
]
// properties ...
},
"TaskB": {
// properties ...
},
// other task ...
}我们执行某个 Task 时（MaaPostTask 接口传入任务名），会对其 next 列表中的 Task 依次 进行识别（根据每个 Task 的 recognition 相关设置）
且一旦匹配上了，则会退出 next 列表识别，转而去执行匹配上的任务。类似遍历比较，一旦找到了，就直接 break 转而去执行找到的那个 Task。
例如我们有一个游戏，画面中可能出现一种水果，可能是苹果、橘子、香蕉，我们需要点击它。一个简单的演示 JSON：
{
"StartFruit": {
"next": [
"Apple",
"Orange",
"Banana"
]
},
"Apple": {
"recognition": XXX,
"action": "Click",
// ...
},
"Orange": {
"recognition": XXX,
"action": "Click",
"next": [
"Cat",
"Dog"
]
},
"Banana": {
// ...
},
// ...
}假设现在画面中没有 Apple，但有 Orange 和 Banana。
在上述 JSON 中，若我们执行 "StartFruit"（即 MaaPostTask 接口传入 "StartFruit"），会先识别 Apple，画面中没有，所以继续识别 Orange，这次识别到了，则我们开始执行 Orange，不会再去识别 Banana 了。
执行 Orange 就是根据其 action 去进行对应的操作，当执行完成后，我们会再去识别 Orange 的 next。
Orange 的 next 中，
若识别到了 Cat，则不会继续去识别 Dog 了。这时同样会去执行 Cat 的 action，并在 action 完成后继续识别 Cat 的 next。
若 Cat, Dog 都没有识别到，我们会再次尝试识别这两个，直至超时为止。
如此循环，直至某个任务的 next 为空，即认为任务完成。
注：对于必选字段，Pipeline JSON 文件中仍可为空，并在实际执行前通过接口设置。
-
recognition: string
识别算法类型。可选，默认DirectHit。
可选的值：DirectHit|TemplateMatch|FeatureMatch|ColorMatch|OCR|NeuralNetworkClassify|NeuralNetworkDetect|Custom
详见 算法类型。 -
action: string
执行的动作。可选，默认DoNothing。
可选的值：DoNothing|Click|Swipe|Key|Text|StartApp|StopApp|StopTask|Custom
详见 动作类型。 -
next: string | list<string, >
接下来要执行的任务列表。可选，默认空。
按序识别每个任务，只执行第一个识别到的。 -
is_sub: bool
是否是子任务。可选，默认否。
如果是子任务，执行完本任务（及后续 next 等）后，会返回来再次识别本任务 所在的 next 列表。
例如：A.next = [B, Sub_C, D]，这里的 Sub_C.is_sub = true，
若匹配上了 Sub_C，在完整执行完 Sub_C 及后续任务后，会返回来再次识别 [B, Sub_C, D] 并执行命中项及后续任务。 -
inverse: bool
反转识别结果，识别到了当做没识别到，没识别到的当做识别到了。可选，默认否。
请注意由此识别出的任务，Click 等动作的点击自身将失效（因为实际并没有识别到东西），若有需求可单独设置target。 -
enabled: bool
是否启用该 task。可选，默认 true。
若为 false，则其他 task 的 next 列表中的该 task，会被跳过，既不会被识别也不会被执行。 -
timeout: uint
next识别超时时间，毫秒。默认 20 * 1000。 -
timeout_next: string | list<string, >
超时后执行的任务列表。可选，默认空。 -
times_limit: uint
任务执行次数。可选，默认 UINT_MAX。 -
runout_next: string | list<string, >
任务执行次数达到了后执行的任务列表，可选，默认空。 -
pre_delay: uint
识别到 到 执行动作前 的延迟，毫秒。可选，默认 200。
推荐尽可能增加中间过程任务，少用延迟，不然既慢还不稳定。 -
post_delay: uint
执行动作后 到 识别 next 的延迟，毫秒。可选，默认 500。
推荐尽可能增加中间过程任务，少用延迟，不然既慢还不稳定。 -
pre_wait_freezes: uint | object
识别到 到 执行动作前，等待画面不动了的时间，毫秒。可选，默认 0，即不等待。
连续pre_wait_freezes毫秒 画面 没有较大变化 才会退出动作。
若为 object，可设置更多参数，详见 等待画面静止。
具体的顺序为pre_wait_freezes-pre_delay-action-post_wait_freezes-post_delay。 -
post_wait_freezes: uint | object
行动动作后 到 识别 next，等待画面不动了的时间，毫秒。可选，默认 0，即不等待。
其余逻辑同pre_wait_freezes。 -
focus: bool
是否关注任务，会额外产生部分回调消息。可选，默认 false，即不产生。
详见 任务通知。
如前面举例，任务链是顺序执行的。
但实际业务逻辑在任务流水线中，大多是需要倒序判断的，以下就是一段典型的倒序判断的业务逻辑：
-
实现启动 App 并点击 App 页面中的 Button 的业务。
-
当 App 页面中不存在 Button 时会提示 NoButton。
正常且完备的顺序如下：
graph LR;
A[StartUp\nAnd\nClickButton] --> B[Start\nApp] --> C{Check\nInApp} --> |true| D{Click\nButton} --> |true| Z[Done];
C --> |false| B;
D --> |false| F{Find\nNoButton} --> |true| Z;
F --> |false| C;
为了复用 StartApp 和 CheckInApp 并解耦出业务核心 ClickButton ，我们引入了 is_sub 字段。
如果需要使用子任务 is_sub 字段，则需要将任务流水线中的判断倒序：
graph LR;
A[StartUp\nAnd\nClickButton] --> B{Click\nButton} --> |true| C[Done];
B --> |false| D{Flag\nNoButton} --> |true| C;
D --> |false| E[Sub\nStartUp] --> F{Flag\nInApp} --> |true| A;
F --> |false| G[Sub\nStartApp] --> E;
这是因为在一个判断倒序的流水线中，我们需要把：
- 任务的出口（即业务核心 ClickButton ，或者下一步）放在第一位。
- 任务的异常判断（即 NoButton ）放在第二位。
- 任务的入口（即 StartUp ）作为 子任务 放在第三位。
- 子任务（即 Sub_StartUp ）也是如此（出口： Flag_InApp 、入口：Sub_StartApp ）。
- 有且仅有一次（或有限次）的业务可以放在任务的出口之前，即第零位以便更快判断，例如弹出广告需要进行关闭。
实际业务的 json：
{
"StartUpAndClickButton": {
"next": [
"Click_Button",
"Flag_NoButton",
"Sub_StartUp"
]
},
"Sub_StartUp": {
"is_sub": true,
"next": [
"Flag_InApp",
"Sub_StartApp"
]
},
"Sub_StartApp": {
"is_sub": true,
"action": "StartApp"
},
"Flag_InApp": {
"recognition": "TemplateMatch",
"template": "App.png"
},
"Flag_NoButton": {
"recognition": "OCR",
"expected": "NoButton"
},
"Click_Button": {
"recognition": "OCR",
"expected": "Button",
"action": "Click"
}
}直接命中，即不进行识别，直接执行动作。
模板匹配，即“找图”。
该任务属性需额外部分字段：
-
roi: array<int, 4> | list<array<int, 4>>
识别区域坐标。可选，默认 [0, 0, 0, 0]，即全屏。
四个值分别为 [x, y, w, h]。 -
template: string | list<string, >
模板图片路径，需要image文件夹的相对路径。必选。
请注意所使用的图片需要是无损原图的裁剪。若使用安卓模拟器，请使用模拟器自带的截图功能！（不可以直接对模拟器窗口进行截图） -
threshold: double | list<double, >
模板匹配阈值。可选，默认 0.7 。
若为数组，长度需和template数组长度相同。 -
order_by: string
结果排序方式。可选，默认Horizontal
可选的值：Horizontal|Vertical|Score|Random
可结合index字段使用。 -
index: int
命中第几个结果。可选，默认 0。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1]，其中负数使用类 Python 的规则转换为 N - index。若超出范围，则视为当前识别无结果。 -
method: int
模板匹配算法，即 cv::TemplateMatchModes。可选，默认 5 。
仅支持 1、3、5，可简单理解为越大的越精确，但也会更慢。
详情请参考 OpenCV 官方文档。 -
green_mask: bool
是否进行绿色掩码。可选，默认 false。
若为 true，可以将图片中不希望匹配的部分涂绿 RGB: (0, 255, 0)，则不对绿色部分进行匹配。
特征匹配，泛化能力更强的“找图”，具有抗透视、抗尺寸变化等特点。
该任务属性需额外部分字段：
-
roi: array<int, 4> | list<array<int, 4>>
识别区域坐标。可选，默认 [0, 0, 0, 0]，即全屏。
四个值分别为 [x, y, w, h]。 -
template: string | list<string, >
模板图片路径，需要image文件夹的相对路径。必选。 -
count: int
匹配的特征点的数量要求（阈值），默认 4。 -
order_by: string
结果排序方式。可选，默认Horizontal
可选的值：Horizontal|Vertical|Score|Area|Random
可结合index字段使用。 -
index: int
命中第几个结果。可选，默认 0。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1]，其中负数使用类 Python 的规则转换为 N - index。若超出范围，则视为当前识别无结果。 -
green_mask: bool
是否进行绿色掩码。可选，默认 false。
若为 true，可以将图片中不希望匹配的部分涂绿 RGB: (0, 255, 0)，则不对绿色部分进行匹配。 -
detector: string
特征检测器。可选，默认SIFT。
目前支持以下算法：- SIFT
计算复杂度高，具有尺度不变性、旋转不变性。效果最好。 - KAZE
适用于2D和3D图像，具有尺度不变性、旋转不变性。 - AKAZE
计算速度较快，具有尺度不变性、旋转不变性。 - BRISK
计算速度非常快，具有尺度不变性、旋转不变性。 - ORB
计算速度非常快，具有旋转不变性。但不具有尺度不变性。
各算法特点详情可自行进一步查询。
- SIFT
-
ratio: double
KNN 匹配算法的距离比值，[0 - 1.0], 越大则匹配越宽松（更容易连线）。可选，默认 0.6。
颜色匹配，即“找色”。
该任务属性需额外部分字段：
-
roi: array<int, 4> | list<array<int, 4>>
识别区域坐标。可选，默认 [0, 0, 0, 0]，即全屏。
四个值分别为 [x, y, w, h]。 -
method: int
颜色匹配方式。即 cv::ColorConversionCodes。可选，默认 4 (RGB)。
常用值：4 (RGB, 3 通道), 40 (HSV, 3 通道), 6 (GRAY, 1 通道)。
详情请参考 OpenCV 官方文档。 -
lower: list<int, > | list<list<int, >>
颜色下限值。必选。最内层 list 长度需和method的通道数一致。 -
upper: list<int, > | list<list<int, >>
颜色上限值。必选。最内层 list 长度需和method的通道数一致。 -
count: int
符合的点的数量要求（阈值）。可选，默认 1。 -
order_by: string
结果排序方式。可选，默认Horizontal
可选的值：Horizontal|Vertical|Score|Area|Random
可结合index字段使用。 -
index: int
命中第几个结果。可选，默认 0。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1]，其中负数使用类 Python 的规则转换为 N - index。若超出范围，则视为当前识别无结果。 -
connected: bool
是否是相连的点才会被计数。可选，默认否。
若为是，在完成颜色过滤后，则只会计数像素点 全部相连 的最大块。
若为否，则不考虑这些像素点是否相连。
文字识别。
该任务属性需额外部分字段：
-
roi: array<int, 4> | list<array<int, 4>>
同TemplateMatch.roi。 -
expected: string | list<string, >
期望的结果，支持正则。必选。 -
text: string | list<string, >
已废弃，同expected。 -
replace: array<string, 2> | list<array<string, 2>>
部分文字识别结果不准确，进行替换。可选。 -
order_by: string
结果排序方式。可选，默认Horizontal
可选的值：Horizontal|Vertical|Area|Length|Random
可结合index字段使用。 -
index: int
命中第几个结果。可选，默认 0。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1]，其中负数使用类 Python 的规则转换为 N - index。若超出范围，则视为当前识别无结果。 -
only_rec: bool
是否仅识别（不进行检测，需要精确设置roi）。可选，默认 false。 -
model: string
模型 文件夹 路径。使用model/ocr文件夹的相对路径。可选，默认为空。
若为空，则为model/ocr根目录下的模型文件。
文件夹中需要包含rec.onnx,det.onnx,keys.txt三个文件。
深度学习分类，判断图像中的 固定位置 是否为预期的“类别”。
该任务属性需额外部分字段：
-
roi: array<int, 4> | list<array<int, 4>>
同TemplateMatch.roi -
labels: list<string, >
标注，即每个分类的名字。可选。
仅影响调试图片及日志等，若未填写则会填充 "Unknown"。 -
model: string
模型文件路径。使用model/classify文件夹的相对路径。必选。
目前仅支持 ONNX 模型。 -
expected: int | list<int, >
期望的分类下标。 -
order_by: string
结果排序方式。可选，默认Horizontal
可选的值：Horizontal|Vertical|Score|Random
可结合index字段使用。 -
index: int
命中第几个结果。可选，默认 0。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1]，其中负数使用类 Python 的规则转换为 N - index。若超出范围，则视为当前识别无结果。
举例：例如画面中 固定位置 可能出现 猫、狗、老鼠，我们训练了支持该三分类的模型。
希望识别到 猫 或 老鼠 才点击，而识别到 狗 不点击，则相关字段为
{
"labels": ["Cat", "Dog", "Mouse"],
"expected": [0, 2]
}注意这些值需要与模型实际输出相符。
深度学习目标检测，高级版“找图”。
与分类器主要区别在于“找”，即支持任意位置。但通常来说模型复杂度会更高，需要更多的训练集、训练时间，使用时的资源占用（推理开销）也会成倍上涨。
该任务属性需额外部分字段：
-
roi: array<int, 4> | list<array<int, 4>>
同TemplateMatch.roi -
labels: list<string, >
标注，即每个分类的名字。可选。
仅影响调试图片及日志等，若未填写则会填充 "Unknown"。 -
model: string
模型文件路径。使用model/detect文件夹的相对路径。必选。
目前仅支持 YoloV8 ONNX 模型。 -
expected: int | list<int, >
期望的分类下标。 -
threshold: double | list<double, >
模型置信度阈值。可选，默认 0.3 。
若为数组，长度需和expected数组长度相同。 -
order_by: string
结果排序方式。可选，默认Horizontal
可选的值：Horizontal|Vertical|Score|Area|Random
可结合index字段使用。 -
index: int
命中第几个结果。可选，默认 0。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1]，其中负数使用类 Python 的规则转换为 N - index。若超出范围，则视为当前识别无结果。
举例：例如画面中可能出现 猫、狗、老鼠，我们训练了支持该三分类的检测模型。
希望检测到 猫 或 老鼠 才点击，而识别到 狗 不点击，则相关字段为
{
"labels": ["Cat", "Dog", "Mouse"],
"expected": [0, 2]
}注意这些值需要与模型实际输出相符。
执行通过 MaaRegisterCustomRecognizer 接口传入的识别器句柄
该任务属性需额外部分字段：
custom_recognition: string
任务名，同MaaRegisterCustomRecognizer接口传入的识别器名。必选。custom_recognition_param: any
任务参数，任意类型，会在执行时透传。可选，默认空 json，即{}
什么都不做。
点击。
该任务属性需额外部分字段：
-
target: true | string | array<int, 4>
点击的位置。可选，默认 true。
- true: 点击本任务中刚刚识别到的目标（即点击自身）。
- string: 填写任务名，点击之前执行过的某任务识别到的目标。
- array<int, 4>: 点击固定坐标区域内随机一点，[x, y, w, h]，若希望全屏可设为 [0, 0, 0, 0]。 -
target_offset: array<int, 4>
在target的基础上额外移动再点击，四个值分别相加。可选，默认 [0, 0, 0, 0]。
滑动。
该任务属性需额外部分字段：
-
begin: true | string | array<int, 4>
滑动起点。可选，默认 true。值同上述Click.target -
begin_offset: array<int, 4>
在begin的基础上额外移动再作为起点，四个值分别相加。可选，默认 [0, 0, 0, 0]。 -
end: true | string | array<int, 4>
滑动终点。必选。值同上述Click.target -
end_offset: array<int, 4>
在end的基础上额外移动再作为终点，四个值分别相加。可选，默认 [0, 0, 0, 0]。 -
duration: uint
滑动持续时间，单位毫秒。可选，默认 200
按键。
输入文本。
input_text: string
要输入的文本，部分控制器仅支持 ascii。
启动 App。
该任务属性需额外部分字段：
package: string
启动入口。可选，默认空。
需要填入 activity，例如com.hypergryph.arknights/com.u8.sdk.U8UnityContext
若为空，将启动MaaControllerSetOption-MaaCtrlOption_DefaultAppPackageEntry设置的入口。
关闭 App。
该任务属性需额外部分字段：
package: string
关闭要关闭的程序。可选，默认空。
需要填入 package name，例如com.hypergryph.arknights
若为空，将关闭MaaControllerSetOption-MaaCtrlOption_DefaultAppPackage设置的 APP。
停止当前任务链（MaaPostTask 传入的单个任务链）
执行通过 MaaRegisterCustomAction 接口传入的动作句柄
该任务属性需额外部分字段：
custom_action: string
任务名，同MaaRegisterCustomAction接口传入的动作名。必选。custom_action_param: any
任务参数，任意类型，通过 MaaCustomRecognizerAPI 传入 json string。可选，默认空 json，即{}
等待画面静止。需连续一定时间 画面 没有较大变化 才会退出动作。
字段值为 uint 或 object，举例：
{
"TaskA": {
"pre_wait_freezes": 500,
},
"TaskB": {
"pre_wait_freezes": {
// more properties ...
},
},
}若值为 object，可设置部分额外字段：
-
time: uint
连续time毫秒 画面 没有较大变化 才会退出动作。可选，默认 1。 -
target: true | string | array<int, 4>
等待的目标。可选，默认 true。值同上述Click.target -
target_offset: array<int, 4>
在target的基础上额外移动再作为等待目标，四个值分别相加。可选，默认 [0, 0, 0, 0]。 -
threshold: double
判断“没有较大变化”的模板匹配阈值。可选，默认 0.95 。 -
method: int
判断“没有较大变化”的模板匹配算法，即 cv::TemplateMatchModes。可选，默认 5 。
同TemplateMatch.method。
详见 回调协议（还没写x
/*
{
task_id: number,
entry: string,
uuid: string,
hash: string,
pre_hit_task: string,
name: string,
recognition: {
id: number,
box: [number, number, number, number],
detail: string,
hit: boolean,
},
node_id: number,
status: number,
}
*/
#define MaaMsg_Task_Focus_ReadyToRun ("Task.Focus.ReadyToRun")
#define MaaMsg_Task_Focus_Runout ("Task.Focus.Runout")
#define MaaMsg_Task_Focus_Completed ("Task.Focus.Completed")