/**
 * fun 标签：img-center-point-location
 * 仅需 inVars[0]：模板路径。
 *
 * 【当前逻辑】tmp → ADB 截图 + 模板复制 → VLM img2text（主模型 + 最多 2 个备用模型，**共≤3 次**；
 * 仅在「请求失败」或「无有效中心点坐标」时换模型重试）→ 归一化转像素 →
 * 可选：Python 在截图上画**绿色圆圈**标出中心点，保存为 `screenshot_center_marked.png`（同一次 `img-center-时间戳` 目录）。
 *
 * 【已注释保留】原流程：VLM（ROI + template_crop / need_center_crop / template_scale）→ 外扩 roi →
 * Python 预处理 → NCC（img-center-orb-akaze.py）。恢复时取消下方对应块注释并改回 runPipeline 即可。
 *
 * 密钥与网关：优先根目录 config.js（openaiApiKey 等同步到环境变量），否则 nodejs/ai/config.js；模型常量见文件顶部。
 */

// ---------------------------------------------------------------------------
// 配置：模型与超时（优先改这里或对应环境变量 / 根目录 config.js）
// ---------------------------------------------------------------------------

/**
 * 多模态模型 id（**仅请求一次** img2text）：在此直接写字符串；写 '' 则依次用
 * process.env.IMG_CENTER_OPENAI_MODEL、config.imgCenterOpenAiModel、nodejs/ai 默认链。
 */
// const IMG_CENTER_OPENAI_MODEL = 'gemini-3.1-pro-preview'
const IMG_CENTER_OPENAI_MODEL = 'gpt-5.4'

/**
 * 中心点 VLM：主模型请求失败或 JSON 无法解析出有效 center_rx/center_ry 时，依次用备用 1、备用 2 再请求。
 * 链为 [主模型, 备用1, 备用2] 去重后取前 3 个，**最多 3 次** img2text。
 * 写 '' 表示该档跳过；环境变量 IMG_CENTER_FALLBACK_MODEL_1 / IMG_CENTER_FALLBACK_MODEL_2 优先于常量。
 *
 * Claude 4.6 选型（多模态「对齐两点坐标」类任务，公开对比多认为 Opus 图像分析略强于 Sonnet，但本任务输出极短 JSON）：
 * - 首选备用：**claude-sonnet-4-6**（延迟/成本更友好，视觉足够）。
 * - 第二轮：**claude-opus-4-6**（能力上限略高，仍不稳再上）。
 * - *-thinking：推理链更长、更慢更贵；非复杂推理时一般**不必**作默认备用。
 * OpenAI 网关可改回如 gpt-4o / gpt-4.1。
 */
const IMG_CENTER_FALLBACK_MODEL_1 = 'claude-opus-4-6'
const IMG_CENTER_FALLBACK_MODEL_2 = 'gemini-3.1-pro-preview'

/** 中心点 img2text 最多调用次数（主 + 备用，去重后截断） */
const IMG_CENTER_CENTER_POINT_MAX_VLM_CALLS = 3

/**
 * 视觉 API（img2text）请求超时（毫秒）
 * 环境变量 IMG_CENTER_AI_TIMEOUT_MS 可覆盖
 */
const IMG_CENTER_AI_TIMEOUT_MS = Math.max(
  10_000,
  parseInt(String(process.env.IMG_CENTER_AI_TIMEOUT_MS || '').trim(), 10) || 300_000
)

/** 在截图上绘制中心点绿圈的 Python 脚本超时（毫秒）；环境变量 IMG_CENTER_MARK_SCRIPT_TIMEOUT_MS */
const IMG_CENTER_MARK_SCRIPT_TIMEOUT_MS = Math.max(
  5000,
  parseInt(String(process.env.IMG_CENTER_MARK_SCRIPT_TIMEOUT_MS || '').trim(), 10) || 30_000
)

/** 【旧 NCC 流程】runPipeline 内等待 Matched.png 就绪的上限（毫秒） */
const MATCHED_PNG_MAX_WAIT_MS = 60_000

/** 【旧 NCC 流程】Python NCC 匹配脚本 spawn 超时（毫秒） */
const PYTHON_ORB_SCRIPT_TIMEOUT_MS = 120_000

/**
 * 【旧 NCC 流程】NCC 最低分：传给 Python（环境变量 IMG_CENTER_NCC_MIN_SCORE）。
 */
const IMG_CENTER_NCC_MIN_SCORE_DEFAULT = 0.34

/** 【旧预处理】模板预处理脚本 spawn 超时（毫秒）；环境变量 IMG_CENTER_PREPROCESS_TIMEOUT_MS 可覆盖 */
const PYTHON_PREPROCESS_TEMPLATE_TIMEOUT_MS = Math.max(
  5000,
  parseInt(String(process.env.IMG_CENTER_PREPROCESS_TIMEOUT_MS || '').trim(), 10) || 60_000
)

/**
 * 【旧 VLM ROI】外扩比例，环境变量 IMG_CENTER_ROI_PAD 可覆盖
 */
const IMG_CENTER_ROI_PAD = Math.max(
  0,
  Math.min(
    0.12,
    parseFloat(String(process.env.IMG_CENTER_ROI_PAD || '').trim()) || 0.03
  )
)

/**
 * 【旧 VLM ROI】归一化高度下限；IMG_CENTER_ROI_MIN_REL_H，默认 0.15
 */
const IMG_CENTER_ROI_MIN_REL_H = Math.max(
  0.06,
  Math.min(
    0.45,
    parseFloat(String(process.env.IMG_CENTER_ROI_MIN_REL_H || '').trim()) || 0.15
  )
)

/**
 * 【旧 VLM ROI】归一化宽度下限（0 表示不强制）；IMG_CENTER_ROI_MIN_REL_W
 */
const IMG_CENTER_ROI_MIN_REL_W = (() => {
  const v = parseFloat(String(process.env.IMG_CENTER_ROI_MIN_REL_W || '').trim())
  if (!Number.isFinite(v) || v <= 0) return 0
  return Math.max(0.06, Math.min(0.95, v))
})()

// ---------------------------------------------------------------------------
// 依赖与工程路径
// ---------------------------------------------------------------------------

const path = require('path')
const fs = require('fs')
const { spawnSync } = require('child_process')
const { getPythonExeFromConfig } = require('../../../../python-exe-from-config.js')

const configPath = process.env.STATIC_ROOT
  ? path.join(path.dirname(path.resolve(process.env.STATIC_ROOT)), 'config.js')
  : path.join(__dirname, '..', '..', '..', '..', '..', 'config.js')
const config = fs.existsSync(configPath) ? require(configPath) : {}
const projectRoot = (config.projectRoot && fs.existsSync(config.projectRoot))
  ? config.projectRoot
  : path.dirname(path.resolve(configPath))

/** 在加载 nodejs/ai 之前同步，使 ai/config 能读到应用级密钥与网关 */
function syncProcessEnvFromAppConfig () {
  const k = config.openaiApiKey || config.vlmApiKey
  if (
    k &&
    !String(process.env.API_KEY || '').trim() &&
    !String(process.env.OPENAI_API_KEY || '').trim() &&
    !String(process.env.VLM_API_KEY || '').trim()
  ) {
    process.env.API_KEY = String(k).trim()
  }
  const u = config.openaiApiUrl
  if (
    u &&
    !String(process.env.BASE_URL || '').trim() &&
    !String(process.env.OPENAI_API_URL || '').trim()
  ) {
    process.env.BASE_URL = String(u).trim().replace(/\/$/, '')
  }
}

syncProcessEnvFromAppConfig()

const aiRoot = path.join(__dirname, '..', '..', '..', '..', 'ai')
const aiModule = require(path.join(aiRoot, 'ai.js'))
const img2textRequest = require(path.join(aiRoot, 'request', 'img2text.js'))
const aiPackageConfig = require(path.join(aiRoot, 'config.js'))

/** 【旧 NCC / 预处理】脚本路径（当前 runPipeline 不调用；恢复旧流程时用） */
const orbScriptPath = path.join(projectRoot, 'python', 'scripts', 'img-center-orb-akaze.py')
const preprocessTemplateScriptPath = path.join(projectRoot, 'python', 'scripts', 'img-center-preprocess-template.py')
/** 在截图上标出 VLM 中心点（绿圈）的可视化脚本 */
const markCenterScriptPath = path.join(projectRoot, 'python', 'scripts', 'img-center-mark-center.py')

/**
 * 【当前】仅问中心点：图1=截图，图2=模板；返回 center_rx、center_ry ∈ [0,1]（相对图1 宽高）。
 */
const VLM_CENTER_ONLY_PROMPT = `你收到两张图，顺序固定：
图1：Android 手机完整截图（与 adb screencap 一致），逻辑像素宽约 W、高约 H；坐标原点在左上角，x 向右、y 向下。
图2：模板图。请在图1 中找到与图2 视觉上对应的同一区域（同一图标、缩略图格子、按钮等）。

任务：给出图2 在图1 中**匹配可见区域的几何中心点**（该区域中心，不是图2 整张文件的画布中心）。

只输出一个 JSON 对象，必须包含：
- "center_rx"、"center_ry"：数字，取值在 [0,1]，分别为该中心点在图1 上相对宽度 W、高度 H 的归一化坐标（左缘=0，上缘=0）。
若图1 中完全无法对应图2，两个键均填 null。

禁止 markdown、禁止代码围栏、禁止 JSON 以外的任何文字。`

/*
 * ---------- 旧 ROI + 模板几何 VLM 提示（NCC 流程用，保留勿删）----------
const VLM_USER_PROMPT = `你收到两张图，顺序固定：
图1：Android 手机竖屏完整截图，逻辑像素宽 W、高 H。
图2：模板图——要在图1画面里定位的同一内容。常见情况：图2 是 PC/自动化侧通过 ADB 推到手机上的**原始文件**（与磁盘上打开的同一像素内容），**不是**相册 App 已处理后的内部版本。图1 里若出现该图，往往是**系统相册/图库**里的**网格缩略图**：会先对原图做**缩小**，且方格多为**近似正方形**，竖图/横图常被**居中裁成方图**再显示，与图2 原始长宽比可能完全不同。

任务：在图1中找到与图2视觉上对应的那一块区域（同一控件、同一相册格里的缩略图等），给出「搜索矩形」roi_hint；并在适用时给出 template_crop、template_scale、need_center_crop，使下游能**复现相册里那一格的「裁切 + 缩放」**，用于模板匹配。

硬性规则（roi_hint）：
- roi_hint 的四个数必须是相对图1 的归一化坐标：rx0,ry0 为矩形左上角，rx1,ry1 为右下角，均在 [0,1]，且 rx0<rx1、ry0<ry1。
- 【只框图2】图2 里**只有**某一图标/按钮时，roi 应主要覆盖图1里**与之对应的那一块**，不要为了「多装点内容」而把**竖直方向**上、与图2无关的相邻 Tab 图标（例如在图1里与目标**横向并排**的其它底栏图标）一起框进竖长条；底栏场景下各图标是**横排**的，roi 应是**偏横向的条带**包住目标及窄边距，而不是上下堆叠多个无关图标。
- 【必须完整】图2 模板在图1里所对应的那一整块 UI（含圆角、描边、阴影等可见像素）必须**全部**落在 roi 矩形内部，**任何一边都不得裁切**到模板上的图形；若宁可 roi 明显大一点也要保证完整。
- 【自检】若你意识到按当前四个数裁图会「切掉」图2 上任意可见部分（例如只框到红色按钮的下半截、圆角被切、+ 号缺一截），**必须**把 ry0 上移或 ry1 下移、或放宽 rx，直到不会裁切。
- 【底部栏】目标在屏底导航栏时：roi 的纵向高度 (ry1−ry0) 建议至少为屏高的 **14%～22%**，且 ry0 要足够靠上，使整块圆形/圆角按钮（含完整外轮廓）都在框内；**禁止**高度小于屏高 **12%** 的扁条。横向 (rx1−rx0) 以刚好包住目标按钮宽度 + 左右各约 5%～15% 屏宽为宜。
- 【可大一些】在已完整包含上述目标的前提下，roi 宁可略大勿小：各方向外扩边距避免贴边裁切；图2 近似正方形时，roi **勿**做成「竖远长于横」的窄竖条（除非图2 本身就是竖长条）。
- 若图1中存在多处相似元素，选择与图2内容最一致、最可能是用户意图的一处；若完全无法对应，四个坐标全填 null。

template_scale（模拟相册把图缩小进格子的比例）：
- 数字，范围建议 0.05～1.0，表示在**已按下方顺序处理完 template_crop 与 need_center_crop 之后**，对图2 再做**等比线性缩放**（宽、高同比例）；1 表示不在此步缩小。
- 估法：对比**图1 里目标格中的缩略图**与**图2 原始文件**——若屏上格子里的内容明显是「整图缩小后的局部/整体」，应给 **小于 1**（相册格常见约 **0.2～0.5**，视分辨率与格大小而定）；若图1 里几乎 1:1 对应原图2 像素内容则接近 1。
- **不要**把 template_scale 理解成随意数字；应绑定：**对齐「ADB 原图 → 相册网格里显示尺寸」的缩放**。

template_crop（相对**原始图2** 宽高的归一化矩形 cx0,cy0,cx1,cy1 ∈ [0,1]，cx0<cx1、cy0<cy1）：
- **相册/多宫格场景**：表示「图1 里那一格缩略图**所对应的原图2 上的可见区域**」——即：若把原图2 按相册逻辑裁切后才会得到与格内一致的画面，应用此矩形框出原图2 上的该区域。竖长图在方格里通常只显示**中间一条/一块**，此时 crop 应是**接近正方形或略竖/略横的矩形**，**不要**默认填 0,0,1,1 除非图1 明确显示的是「整图缩进格内、无裁切」。
- **非相册场景**（图标、按钮、整段 UI）：可表示去掉白边、只保留主体；无需裁切则 0,0,1,1。
- 若你能较准给出「格内所见 ↔ 原图2」的对应关系，应优先给出**非全图**的 template_crop；与 need_center_crop 配合见下。

need_center_crop：
- 当图1 明显是「相册/多宫格选图」、缩略图为**方格**且图2 与格内显示的长宽比不一致（典型：竖图进方格）时为 **true**；否则 **false**。
- 为 true 时：roi_hint 仍只框**与图2 对应的那一格**（含格线外极少边距）。下游会在 template_crop 结果上再作**居中取最大正方形**，以逼近系统相册方格裁切；因此若你已在 template_crop 里给出了**精确的方格可见区域**（本身已接近正方形），可将 need_center_crop 设为 **false**，避免几何重复。
- 若相册场景下**无法**可靠估计 template_crop，可 **template_crop 填 0,0,1,1** 且 **need_center_crop 为 true**，由程序用「整图居中裁方」兜底。

confidence：0～1，可随意填；下游**不使用**该字段做拒识，仅作记录。

只输出一个 JSON 对象，顶层键必须包含：roi_hint、need_center_crop、confidence、template_scale、template_crop。
roi_hint 为对象，键 "rx0","ry0","rx1","ry1"（数字或 null）。
template_crop 为对象，键 "cx0","cy0","cx1","cy1"（数字）。
禁止 markdown、禁止代码围栏、禁止 JSON 以外的任何文字。`
 * ---------- 旧 VLM_USER_PROMPT 结束 ----------
 */

const tagName = 'img-center-point-location'

const schema = {
  description:
    '在屏幕截图中查找模板并返回中心点；主模型无效坐标时自动换备用模型（最多 3 次）。成功时保存 screenshot_center_marked.png。原 ROI+预处理+NCC 已注释保留。',
  inputs: { template: '模板图片路径（inVars[0]）', variable: '输出变量名（outVars）' },
  outputs: { variable: '中心点 {x,y}（对象）' },
}

// ---------------------------------------------------------------------------
// 以下为 runPipeline 主流程中的调用顺序（自上而下与执行顺序一致）
// ---------------------------------------------------------------------------

/** 流程目录下的 tmp，例如 static/process/GenerateNote/tmp */
function resolveWorkflowTmpRoot (folderPath) {
  if (folderPath && typeof folderPath === 'string') {
    const fp = path.isAbsolute(folderPath) ? folderPath : path.join(projectRoot, folderPath)
    return path.join(fp, 'tmp')
  }
  return path.join(projectRoot, 'tmp')
}

function getAdbPath () {
  return config.adbPath?.path
    ? (path.isAbsolute(config.adbPath.path) ? config.adbPath.path : path.resolve(projectRoot, config.adbPath.path))
    : path.join(projectRoot, 'lib', 'scrcpy-adb', process.platform === 'win32' ? 'adb.exe' : 'adb')
}

function adbScreencapPng (adbPath, device, outFile) {
  const r = spawnSync(adbPath, ['-s', device, 'exec-out', 'screencap', '-p'], {
    encoding: 'buffer',
    maxBuffer: 40 * 1024 * 1024,
    windowsHide: true,
  })
  if (r.status !== 0 || !r.stdout || r.stdout.length < 100) return false
  fs.mkdirSync(path.dirname(outFile), { recursive: true })
  fs.writeFileSync(outFile, r.stdout)
  return true
}

function fileToDataUrlPng (absPath) {
  const buf = fs.readFileSync(absPath)
  const b64 = buf.toString('base64')
  return `data:image/png;base64,${b64}`
}

/** 从模型返回文本中抽出 JSON 对象 */
function parseVlmJson (text) {
  let s = String(text || '').trim()
  const fence = s.match(/```(?:json)?\s*([\s\S]*?)```/i)
  if (fence) s = fence[1].trim()
  const m = s.match(/\{[\s\S]*\}/)
  if (!m) return null
  try {
    return JSON.parse(m[0])
  } catch (_) {
    return null
  }
}

/** 读取 PNG IHDR 宽高（adb screencap -p 为 PNG） */
function readPngIhdrDimensions (absPath) {
  try {
    const fd = fs.openSync(absPath, 'r')
    const buf = Buffer.allocUnsafe(24)
    fs.readSync(fd, buf, 0, 24, 0)
    fs.closeSync(fd)
    if (buf.length < 24 || buf[0] !== 0x89) return null
    const w = buf.readUInt32BE(16)
    const h = buf.readUInt32BE(20)
    if (!Number.isFinite(w) || !Number.isFinite(h) || w < 1 || h < 1) return null
    return { width: w, height: h }
  } catch (_) {
    return null
  }
}

function clamp01 (x) {
  if (x === null || x === undefined) return null
  const n = Number(x)
  if (!Number.isFinite(n)) return null
  return Math.max(0, Math.min(1, n))
}

/**
 * 从 VLM JSON 解析归一化中心；优先 center_rx/center_ry，其次 cx/cy；
 * 若仅有 center_x/center_y：大于 1 时按像素除以 width/height，否则按归一化。
 */
function parseCenterNormalizedFromVlm (parsed, width, height) {
  if (!parsed || typeof parsed !== 'object') return null
  let crx = clamp01(parsed.center_rx)
  let cry = clamp01(parsed.center_ry)
  if (crx != null && cry != null) return { center_rx: crx, center_ry: cry }

  crx = clamp01(parsed.cx)
  cry = clamp01(parsed.cy)
  if (crx != null && cry != null) return { center_rx: crx, center_ry: cry }

  const px = Number(parsed.center_x)
  const py = Number(parsed.center_y)
  if (!Number.isFinite(px) || !Number.isFinite(py)) return null
  if (width > 0 && height > 0 && (px > 1 || py > 1)) {
    crx = clamp01(px / width)
    cry = clamp01(py / height)
    if (crx != null && cry != null) return { center_rx: crx, center_ry: cry }
  }
  crx = clamp01(px)
  cry = clamp01(py)
  if (crx != null && cry != null) return { center_rx: crx, center_ry: cry }
  return null
}

/** 实际发往 API 的模型名：见顶部 IMG_CENTER_OPENAI_MODEL → env / config → nodejs/ai。 */
function getImgCenterModel () {
  const explicit =
    String(IMG_CENTER_OPENAI_MODEL || '').trim() ||
    String(process.env.IMG_CENTER_OPENAI_MODEL || '').trim() ||
    (config.imgCenterOpenAiModel && String(config.imgCenterOpenAiModel).trim()) ||
    ''
  return img2textRequest.resolveImgCenterModel(explicit || undefined)
}

/** 第一次仅用 OpenAI 兼容网关；若配置成 doubao 则改用 nodejs/ai 的 IMG_CENTER_MODEL（避免首轮即豆包） */
function getPrimaryOpenAiImgCenterModel () {
  const m = getImgCenterModel()
  if (m && String(m).toLowerCase() === 'doubao') {
    const fb = String(aiPackageConfig.IMG_CENTER_MODEL || '').trim()
    if (fb && fb.toLowerCase() !== 'doubao') return fb
    return 'gpt-5.4'
  }
  return m
}

function resolveFallbackCenterModelId (envKey, constVal) {
  const e = String(process.env[envKey] || '').trim()
  if (e) return e
  return String(constVal != null ? constVal : '').trim()
}

/**
 * 中心点 img2text 模型链：[主模型, 备用1, 备用2] 去重后取前 IMG_CENTER_CENTER_POINT_MAX_VLM_CALLS 个。
 */
function getCenterPointVlmModelChain () {
  const primary = String(getPrimaryOpenAiImgCenterModel() || '').trim()
  const fb1 = resolveFallbackCenterModelId('IMG_CENTER_FALLBACK_MODEL_1', IMG_CENTER_FALLBACK_MODEL_1)
  const fb2 = resolveFallbackCenterModelId('IMG_CENTER_FALLBACK_MODEL_2', IMG_CENTER_FALLBACK_MODEL_2)
  const chain = []
  const push = (id) => {
    const x = String(id || '').trim()
    if (!x) return
    if (!chain.includes(x)) chain.push(x)
  }
  push(primary)
  push(fb1)
  push(fb2)
  return chain.slice(0, IMG_CENTER_CENTER_POINT_MAX_VLM_CALLS)
}

function getImgCenterAiMeta () {
  return {
    model: getImgCenterModel(),
    primaryOpenAiModel: getPrimaryOpenAiImgCenterModel(),
    centerPointVlmModelChain: getCenterPointVlmModelChain(),
    fallbackModel1: resolveFallbackCenterModelId('IMG_CENTER_FALLBACK_MODEL_1', IMG_CENTER_FALLBACK_MODEL_1),
    fallbackModel2: resolveFallbackCenterModelId('IMG_CENTER_FALLBACK_MODEL_2', IMG_CENTER_FALLBACK_MODEL_2),
    baseUrl: aiPackageConfig.BASE_URL,
    openAiKeyConfigured: !!(aiPackageConfig.API_KEY && String(aiPackageConfig.API_KEY).trim()),
  }
}

/**
 * 【当前】单次 img2text（指定 model）；每次尝试写入 openai_raw_attempt_{i}.json。
 * @returns {{ ok: boolean, data?: object, error?: string, model: string, rawResp?: object }}
 */
async function callOpenAiCenterPointWithModel (workDir, screenshotPath, templatePath, modelName, attemptIndex) {
  syncProcessEnvFromAppConfig()
  const openAiKey = String(aiPackageConfig.API_KEY || '').trim()
  const model = String(modelName || '').trim()
  const screenUrl = fileToDataUrlPng(screenshotPath)
  const tplUrl = fileToDataUrlPng(templatePath)
  const imageUrls = [screenUrl, tplUrl]
  try {
    if (!openAiKey) {
      return { ok: false, error: '缺少 OpenAI 兼容 API_KEY', model }
    }
    if (!model) {
      return { ok: false, error: '模型 id 为空', model }
    }
    const result = await aiModule.run('img2text', VLM_CENTER_ONLY_PROMPT, imageUrls, {
      timeoutMs: IMG_CENTER_AI_TIMEOUT_MS,
      model,
    })
    const resp = result.data
    const attemptPayload = {
      model,
      attemptIndex,
      httpSuccess: result.success,
      httpError: result.success ? null : (result.error || null),
      response: resp,
    }
    fs.writeFileSync(
      path.join(workDir, `openai_raw_attempt_${attemptIndex}.json`),
      JSON.stringify(attemptPayload, null, 2),
      'utf8'
    )
    if (!result.success) {
      return { ok: false, error: result.error || 'VLM 请求失败', model }
    }
    const content = resp?.choices?.[0]?.message?.content
    const parsed = parseVlmJson(content)
    if (!parsed || typeof parsed !== 'object') {
      return { ok: false, error: '无法解析模型返回为 JSON', model, rawResp: resp }
    }
    return { ok: true, data: parsed, model, rawResp: resp }
  } catch (e) {
    const msg = e && e.message ? e.message : String(e)
    try {
      fs.writeFileSync(path.join(workDir, `openai_error_attempt_${attemptIndex}.txt`), msg, 'utf8')
    } catch (_) {}
    return { ok: false, error: msg, model }
  }
}

/*
 * ---------- 旧 callOpenAiRoi（ROI + 模板几何，NCC 流程用，保留勿删）----------
async function callOpenAiRoi (workDir, screenshotPath, templatePath) {
  syncProcessEnvFromAppConfig()
  const openAiKey = String(aiPackageConfig.API_KEY || '').trim()

  const screenUrl = fileToDataUrlPng(screenshotPath)
  const tplUrl = fileToDataUrlPng(templatePath)
  const imageUrls = [screenUrl, tplUrl]

  const emptyFallback = {
    roi_hint: { rx0: 0, ry0: 0, rx1: 1, ry1: 1 },
    need_center_crop: false,
    confidence: 0,
    template_scale: 1,
    template_crop: { cx0: 0, cy0: 0, cx1: 1, cy1: 1 },
    template_vlm_preprocessed: false,
  }

  try {
    if (!openAiKey) {
      return { ok: false, error: '缺少 OpenAI 兼容 API_KEY', fallback: emptyFallback }
    }
    const openAiModel = getPrimaryOpenAiImgCenterModel()
    const result = await aiModule.run('img2text', VLM_USER_PROMPT, imageUrls, {
      timeoutMs: IMG_CENTER_AI_TIMEOUT_MS,
      model: openAiModel,
    })
    if (!result.success) {
      return { ok: false, error: result.error || 'VLM 请求失败', fallback: emptyFallback }
    }
    const resp = result.data
    const content = resp?.choices?.[0]?.message?.content
    const parsed = parseVlmJson(content)
    if (!parsed || typeof parsed !== 'object') {
      return { ok: false, error: '无法解析模型返回为 JSON', fallback: emptyFallback }
    }
    fs.writeFileSync(path.join(workDir, 'openai_raw.json'), JSON.stringify(resp, null, 2), 'utf8')
    return { ok: true, data: parsed }
  } catch (e) {
    const msg = e && e.message ? e.message : String(e)
    return { ok: false, error: msg, fallback: emptyFallback }
  }
}
 * ---------- 旧 callOpenAiRoi 结束 ----------
 */

/*
 * ---------- 旧 normalizeTemplateGeometry / normalizeVlmPayload / expandRoiHintNormalized / isFullScreenRoiHint（保留勿删）----------
function normalizeTemplateGeometry (obj) {
  const c = obj && obj.template_crop
  let cx0 = 0
  let cy0 = 0
  let cx1 = 1
  let cy1 = 1
  if (c && typeof c === 'object') {
    const n = (k, d) => {
      const v = Number(c[k])
      return Number.isFinite(v) ? Math.max(0, Math.min(1, v)) : d
    }
    cx0 = n('cx0', 0)
    cy0 = n('cy0', 0)
    cx1 = n('cx1', 1)
    cy1 = n('cy1', 1)
    if (cx1 <= cx0) {
      cx0 = 0
      cx1 = 1
    }
    if (cy1 <= cy0) {
      cy0 = 0
      cy1 = 1
    }
  }
  let sc = Number(obj && obj.template_scale)
  if (!Number.isFinite(sc) || sc <= 0) sc = 1
  sc = Math.max(0.05, Math.min(1, sc))
  return {
    template_crop: { cx0, cy0, cx1, cy1 },
    template_scale: sc,
  }
}

function normalizeVlmPayload (obj) {
  const rh = obj.roi_hint || {}
  const nums = ['rx0', 'ry0', 'rx1', 'ry1']
  let bad = false
  for (const k of nums) {
    const v = rh[k]
    if (v === null || v === undefined) bad = true
  }
  const tg = normalizeTemplateGeometry(obj)
  if (bad) {
    return {
      roi_hint: { rx0: 0, ry0: 0, rx1: 1, ry1: 1 },
      need_center_crop: false,
      confidence: 0,
      template_scale: tg.template_scale,
      template_crop: tg.template_crop,
      template_vlm_preprocessed: false,
    }
  }
  const c = Number(obj.confidence)
  const conf = Number.isFinite(c) ? Math.max(0, Math.min(1, c)) : 0
  return {
    roi_hint: {
      rx0: Number(rh.rx0),
      ry0: Number(rh.ry0),
      rx1: Number(rh.rx1),
      ry1: Number(rh.ry1),
    },
    need_center_crop: !!obj.need_center_crop,
    confidence: conf,
    template_scale: tg.template_scale,
    template_crop: tg.template_crop,
    template_vlm_preprocessed: false,
  }
}

function expandRoiHintNormalized (rh) {
  let rx0 = Number(rh.rx0)
  let ry0 = Number(rh.ry0)
  let rx1 = Number(rh.rx1)
  let ry1 = Number(rh.ry1)
  if (!(rx1 > rx0 && ry1 > ry0)) return rh

  const pad = IMG_CENTER_ROI_PAD
  rx0 = Math.max(0, rx0 - pad)
  ry0 = Math.max(0, ry0 - pad)
  rx1 = Math.min(1, rx1 + pad)
  ry1 = Math.min(1, ry1 + pad)

  let h = ry1 - ry0
  const hMin = IMG_CENTER_ROI_MIN_REL_H
  if (h < hMin) {
    const deficit = hMin - h
    const bottomAnchored = ry1 >= 0.88
    if (bottomAnchored) {
      ry0 = Math.max(0, ry0 - deficit)
      h = ry1 - ry0
      if (h < hMin) {
        ry1 = Math.min(1, ry0 + hMin)
        h = ry1 - ry0
        if (h < hMin) ry0 = Math.max(0, ry1 - hMin)
      }
    } else {
      const cy = (ry0 + ry1) / 2
      ry0 = Math.max(0, cy - hMin / 2)
      ry1 = Math.min(1, ry0 + hMin)
      if (ry1 >= 1 - 1e-9) ry0 = Math.max(0, 1 - hMin)
    }
  }

  const wMin = IMG_CENTER_ROI_MIN_REL_W
  if (wMin > 0) {
    let w = rx1 - rx0
    if (w < wMin) {
      const cx = (rx0 + rx1) / 2
      rx0 = Math.max(0, cx - wMin / 2)
      rx1 = Math.min(1, rx0 + wMin)
      if (rx1 >= 1 - 1e-9) rx0 = Math.max(0, 1 - wMin)
    }
  }

  return { rx0, ry0, rx1, ry1 }
}

function isFullScreenRoiHint (rh) {
  return (
    Math.abs(Number(rh.rx0)) < 1e-9 &&
    Math.abs(Number(rh.ry0)) < 1e-9 &&
    Math.abs(Number(rh.rx1) - 1) < 1e-9 &&
    Math.abs(Number(rh.ry1) - 1) < 1e-9
  )
}
 * ---------- 旧几何归一化结束 ----------
 */

/*
 * ---------- 旧 getPythonPath / runTemplatePreprocess / waitUntilMatchedWritten（保留勿删）----------
function getPythonPath () {
  const base = config.pythonPath?.path || config.pythonVenvPath || path.join(projectRoot, 'python', process.arch === 'arm64' ? 'arm64' : 'x64')
  const envPy = path.join(base, 'env', 'Scripts', 'python.exe')
  const scriptsPy = path.join(base, 'Scripts', 'python.exe')
  const pyEmbedded = path.join(base, 'py', 'python.exe')
  if (fs.existsSync(envPy)) return envPy
  if (fs.existsSync(scriptsPy)) return scriptsPy
  if (fs.existsSync(pyEmbedded)) return pyEmbedded
  return 'python'
}

function runTemplatePreprocess (pythonPath, templateAbsPath, workDir) {
  if (!fs.existsSync(preprocessTemplateScriptPath)) {
    return { ok: false, error: `未找到 ${preprocessTemplateScriptPath}` }
  }
  const env = { ...process.env, PYTHONIOENCODING: 'utf-8' }
  if (process.platform === 'win32') {
    const pyDir = path.dirname(pythonPath)
    const pyRoot = path.dirname(path.dirname(pyDir))
    env.PATH = [pyDir, pyRoot, process.env.PATH].filter(Boolean).join(path.delimiter)
  }
  const r = spawnSync(
    pythonPath,
    [preprocessTemplateScriptPath, '--src', templateAbsPath, '--work-dir', workDir],
    { encoding: 'utf-8', timeout: PYTHON_PREPROCESS_TEMPLATE_TIMEOUT_MS, env, cwd: projectRoot, windowsHide: true }
  )
  if (r.status !== 0) {
    const msg = [r.stderr, r.stdout].filter(Boolean).join('\n').trim() || '模板预处理失败'
    return { ok: false, error: msg }
  }
  try {
    const tail = String(r.stdout || '').trim().split('\n').filter(Boolean).pop() || ''
    const j = JSON.parse(tail)
    if (!j.success) return { ok: false, error: j.error || '模板预处理失败' }
    return { ok: true, meta: j }
  } catch (e) {
    return { ok: false, error: '模板预处理输出非 JSON' }
  }
}

function waitUntilMatchedWritten (absPath, maxMs) {
  const matchedWaitMs =
    maxMs != null
      ? maxMs
      : (process.env.IMG_MATCH_MATCHED_WAIT_MS
        ? Math.max(5000, parseInt(process.env.IMG_MATCH_MATCHED_WAIT_MS, 10) || 30000)
        : 30000)
  if (!absPath) return true
  const t0 = Date.now()
  let lastSize = -1
  let stableStart = 0
  const STABLE_MS = 120
  while (Date.now() - t0 < matchedWaitMs) {
    try {
      if (fs.existsSync(absPath)) {
        const st = fs.statSync(absPath)
        if (st.size >= 32) {
          if (st.size === lastSize) {
            if (Date.now() - stableStart >= STABLE_MS) return true
          } else {
            lastSize = st.size
            stableStart = Date.now()
          }
        }
      }
    } catch (_) {}
    const until = Date.now() + 35
    while (Date.now() < until) {}
  }
  try {
    return fs.existsSync(absPath) && fs.statSync(absPath).size >= 32
  } catch (_) {
    return false
  }
}
 * ---------- 旧 getPythonPath / 预处理 / Matched 等待结束 ----------
 */

function resolvePythonExecutable () {
  return getPythonExeFromConfig(config)
}

/**
 * 在 screenshot 上以绿色空心圆标出中心点，写入 workDir/screenshot_center_marked.png。
 * 圆半径可由环境变量 IMG_CENTER_MARK_RADIUS（正整数像素）覆盖，否则由脚本按分辨率估算。
 * @returns {{ ok: boolean, outPath?: string, error?: string }}
 */
function drawCenterMarkOnScreenshot (workDir, screenshotPath, centerX, centerY) {
  if (!fs.existsSync(markCenterScriptPath)) {
    return { ok: false, error: `未找到 ${markCenterScriptPath}` }
  }
  const outPath = path.join(workDir, 'screenshot_center_marked.png')
  const pythonPath = resolvePythonExecutable()
  const args = [
    markCenterScriptPath,
    '--input', screenshotPath,
    '--output', outPath,
    '--x', String(Math.round(centerX)),
    '--y', String(Math.round(centerY)),
  ]
  const rEnv = parseInt(String(process.env.IMG_CENTER_MARK_RADIUS || '').trim(), 10)
  if (Number.isFinite(rEnv) && rEnv > 0) {
    args.push('--radius', String(rEnv))
  }
  const env = { ...process.env, PYTHONIOENCODING: 'utf-8' }
  if (process.platform === 'win32') {
    const pyDir = path.dirname(pythonPath)
    const pyRoot = path.dirname(path.dirname(pyDir))
    env.PATH = [pyDir, pyRoot, process.env.PATH].filter(Boolean).join(path.delimiter)
  }
  const r = spawnSync(pythonPath, args, {
    encoding: 'utf-8',
    timeout: IMG_CENTER_MARK_SCRIPT_TIMEOUT_MS,
    env,
    cwd: projectRoot,
    windowsHide: true,
  })
  if (r.status !== 0) {
    const msg = [r.stderr, r.stdout].filter(Boolean).join('\n').trim() || '绘制中心点标记失败'
    return { ok: false, error: msg }
  }
  try {
    const tail = String(r.stdout || '').trim().split('\n').filter(Boolean).pop() || ''
    const j = JSON.parse(tail)
    if (!j.success) return { ok: false, error: j.error || '绘制中心点标记失败' }
  } catch (_) {
    if (!fs.existsSync(outPath) || fs.statSync(outPath).size < 32) {
      return { ok: false, error: '标记脚本输出非 JSON 或未写出有效 PNG' }
    }
  }
  return { ok: true, outPath }
}

async function runPipeline (device, templateAbsPath, folderPath) {
  if (!device) return { success: false, error: '缺少设备 ID' }
  if (!templateAbsPath || !fs.existsSync(templateAbsPath)) {
    return { success: false, error: `模板不存在: ${templateAbsPath}` }
  }

  const tmpRoot = resolveWorkflowTmpRoot(folderPath)
  fs.mkdirSync(tmpRoot, { recursive: true })
  const workDir = path.join(tmpRoot, `img-center-${Date.now()}`)
  fs.mkdirSync(workDir, { recursive: true })

  const screenshotPath = path.join(workDir, 'screenshot.png')
  const templateInWork = path.join(workDir, 'template.png')

  const adbPath = getAdbPath()
  if (!adbScreencapPng(adbPath, device, screenshotPath)) {
    return { success: false, error: 'ADB 截图失败' }
  }
  fs.copyFileSync(templateAbsPath, templateInWork)

  const dims = readPngIhdrDimensions(screenshotPath)
  if (!dims) {
    return { success: false, error: '无法读取截图 PNG 尺寸（IHDR）', workDir }
  }

  const modelChain = getCenterPointVlmModelChain()
  if (modelChain.length === 0) {
    const err = '未配置可用 VLM 模型'
    fs.writeFileSync(path.join(workDir, 'openai_error.txt'), err, 'utf8')
    return { success: false, error: err, workDir }
  }

  const attemptLog = []
  let lastError = ''
  /** @type {{ center_rx: number, center_ry: number } | null} */
  let norm = null
  let aiData = null
  let successRaw = null
  let successModel = null

  for (let i = 0; i < modelChain.length; i++) {
    const m = modelChain[i]
    const ai = await callOpenAiCenterPointWithModel(workDir, screenshotPath, templateInWork, m, i)
    const normTry = ai.ok ? parseCenterNormalizedFromVlm(ai.data, dims.width, dims.height) : null
    attemptLog.push({
      index: i,
      model: m,
      requestOk: ai.ok,
      error: ai.ok ? null : ai.error,
      hasValidCenter: !!normTry,
    })
    if (!ai.ok) {
      lastError = ai.error || 'VLM 中心点失败'
      continue
    }
    if (normTry) {
      norm = normTry
      aiData = ai.data
      successRaw = ai.rawResp
      successModel = m
      break
    }
    lastError = '模型未返回有效中心点（需 center_rx/center_ry 或兼容字段）'
  }

  try {
    fs.writeFileSync(
      path.join(workDir, 'vlm_center_model_attempts.json'),
      JSON.stringify(
        {
          model_chain: modelChain,
          success_model: successModel,
          attempts: attemptLog,
        },
        null,
        2
      ),
      'utf8'
    )
  } catch (_) {}

  if (!norm || !aiData) {
    fs.writeFileSync(path.join(workDir, 'openai_error.txt'), String(lastError || 'unknown'), 'utf8')
    fs.writeFileSync(path.join(workDir, 'center_parse_error.txt'), String(lastError || 'unknown'), 'utf8')
    return { success: false, error: lastError || 'VLM 中心点失败', workDir }
  }

  try {
    if (successRaw) {
      fs.writeFileSync(path.join(workDir, 'openai_raw.json'), JSON.stringify(successRaw, null, 2), 'utf8')
    }
    fs.writeFileSync(path.join(workDir, 'vlm_center_parsed.json'), JSON.stringify(aiData, null, 2), 'utf8')
  } catch (_) {}

  const px = Math.round(norm.center_rx * dims.width)
  const py = Math.round(norm.center_ry * dims.height)
  const ix = Math.max(0, Math.min(dims.width - 1, px))
  const iy = Math.max(0, Math.min(dims.height - 1, py))

  let markedScreenshotPath = null
  const mark = drawCenterMarkOnScreenshot(workDir, screenshotPath, ix, iy)
  if (mark.ok) {
    markedScreenshotPath = mark.outPath || null
  } else {
    fs.writeFileSync(
      path.join(workDir, 'screenshot_center_mark_error.txt'),
      String(mark.error || 'unknown'),
      'utf8'
    )
  }

  fs.writeFileSync(
    path.join(workDir, 'vlm_center_result.json'),
    JSON.stringify(
      {
        center_rx: norm.center_rx,
        center_ry: norm.center_ry,
        pixel_x: ix,
        pixel_y: iy,
        screenshot_width: dims.width,
        screenshot_height: dims.height,
        marked_screenshot: markedScreenshotPath
          ? path.basename(markedScreenshotPath)
          : null,
        marked_screenshot_error: markedScreenshotPath ? null : (mark.error || '未生成标记图'),
      },
      null,
      2
    ),
    'utf8'
  )

  return {
    success: true,
    coordinate: { x: ix, y: iy, width: 1, height: 1 },
    clickPosition: { x: ix, y: iy },
    workDir,
    markedScreenshotPath,
  }
}

/*
 * ---------- 旧 runPipeline（ROI + 预处理 + NCC，保留勿删）----------
async function runPipeline_OLD_NCC (device, templateAbsPath, folderPath) {
  if (!device) return { success: false, error: '缺少设备 ID' }
  if (!templateAbsPath || !fs.existsSync(templateAbsPath)) {
    return { success: false, error: `模板不存在: ${templateAbsPath}` }
  }
  if (!fs.existsSync(orbScriptPath)) {
    return { success: false, error: `未找到 ${orbScriptPath}` }
  }
  if (!fs.existsSync(preprocessTemplateScriptPath)) {
    return { success: false, error: `未找到 ${preprocessTemplateScriptPath}` }
  }

  const tmpRoot = resolveWorkflowTmpRoot(folderPath)
  fs.mkdirSync(tmpRoot, { recursive: true })
  const workDir = path.join(tmpRoot, `img-center-${Date.now()}`)
  fs.mkdirSync(workDir, { recursive: true })

  const screenshotPath = path.join(workDir, 'screenshot.png')
  const templateInWork = path.join(workDir, 'template.png')
  const matchedPath = path.join(workDir, 'Matched.png')

  const adbPath = getAdbPath()
  if (!adbScreencapPng(adbPath, device, screenshotPath)) {
    return { success: false, error: 'ADB 截图失败' }
  }
  fs.copyFileSync(templateAbsPath, templateInWork)

  const ai = await callOpenAiRoi(workDir, screenshotPath, templateInWork)
  if (!ai.ok) {
    fs.writeFileSync(path.join(workDir, 'openai_error.txt'), String(ai.error || 'unknown'), 'utf8')
    return { success: false, error: ai.error || 'VLM ROI 失败', workDir }
  }
  let payload = normalizeVlmPayload(ai.data)
  if (!isFullScreenRoiHint(payload.roi_hint)) {
    payload = {
      ...payload,
      roi_hint: expandRoiHintNormalized(payload.roi_hint),
    }
  }
  fs.writeFileSync(path.join(workDir, 'vlm_roi.json'), JSON.stringify(payload, null, 2), 'utf8')

  const pythonPath = getPythonPath()
  const prep = runTemplatePreprocess(pythonPath, templateAbsPath, workDir)
  if (!prep.ok) {
    fs.copyFileSync(templateAbsPath, templateInWork)
    try {
      const vrPath = path.join(workDir, 'vlm_roi.json')
      const vr = JSON.parse(fs.readFileSync(vrPath, 'utf8'))
      vr.template_vlm_preprocessed = false
      delete vr.template_preprocess_paths
      fs.writeFileSync(vrPath, JSON.stringify(vr, null, 2), 'utf8')
    } catch (_) {}
    fs.writeFileSync(path.join(workDir, 'template_preprocess_error.txt'), String(prep.error || ''), 'utf8')
  }

  const env = { ...process.env, PYTHONIOENCODING: 'utf-8' }
  if (!String(env.IMG_CENTER_NCC_MIN_SCORE || '').trim()) {
    env.IMG_CENTER_NCC_MIN_SCORE = String(IMG_CENTER_NCC_MIN_SCORE_DEFAULT)
  }
  if (process.platform === 'win32') {
    const pyDir = path.dirname(pythonPath)
    const pyRoot = path.dirname(path.dirname(pyDir))
    env.PATH = [pyDir, pyRoot, process.env.PATH].filter(Boolean).join(path.delimiter)
  }
  const r = spawnSync(
    pythonPath,
    [orbScriptPath, '--work-dir', workDir],
    { encoding: 'utf-8', timeout: PYTHON_ORB_SCRIPT_TIMEOUT_MS, env, cwd: projectRoot }
  )
  if (r.status !== 0) {
    const msg = [r.stderr, r.stdout].filter(Boolean).join('\n').trim() || 'NCC 匹配脚本失败'
    return { success: false, error: msg, workDir }
  }
  let out
  try {
    out = JSON.parse(r.stdout.trim())
  } catch (e) {
    return { success: false, error: `脚本输出非 JSON: ${(r.stdout || '').slice(0, 300)}`, workDir }
  }
  if (!out.success) return { success: false, error: out.error || '匹配失败', workDir }
  if (!waitUntilMatchedWritten(matchedPath, MATCHED_PNG_MAX_WAIT_MS)) {
    return { success: false, error: `Matched.png 未就绪: ${matchedPath}`, workDir }
  }
  return {
    success: true,
    coordinate: { x: out.x, y: out.y, width: out.width, height: out.height },
    clickPosition: { x: out.center_x, y: out.center_y },
    workDir,
  }
}
 * ---------- 旧 runPipeline 结束 ----------
 */

/**
 * press/locate：Electron 侧 await；返回 { success, coordinate?, clickPosition?, error? }
 * @param {string} [folderPath] 当前流程目录（如 .../static/process/GenerateNote），临时文件写入其下 tmp/
 */
async function matchImageAndGetCoordinate (device, imagePath, folderPath) {
  const templatePath = path.isAbsolute(imagePath) ? imagePath : path.resolve(projectRoot, imagePath)
  const r = await runPipeline(device, templatePath, folderPath)
  if (!r.success) return { success: false, error: r.error }
  return {
    success: true,
    coordinate: r.coordinate,
    clickPosition: r.clickPosition,
    markedScreenshotPath: r.markedScreenshotPath || null,
  }
}

async function executeImgCenterPointLocation ({ device, template, folderPath }) {
  if (!device) return { success: false, error: '缺少设备 ID，无法自动获取截图' }
  if (!template || typeof template !== 'string') return { success: false, error: '缺少模板图片路径（inVars[0]）' }
  const baseDir = folderPath && typeof folderPath === 'string' ? folderPath : projectRoot
  const isAbsoluteOrDrive = template.startsWith('/') || template.includes(':')
  const hasSubPath = template.includes('/') || template.includes(path.sep)
  const templatePath = isAbsoluteOrDrive ? template : (hasSubPath ? path.join(baseDir, template) : path.join(baseDir, 'resources', template))

  const result = await runPipeline(device, templatePath, folderPath)
  if (!result.success) return { success: false, error: result.error }
  const center = result.clickPosition || {
    x: result.coordinate.x + result.coordinate.width / 2,
    y: result.coordinate.y + result.coordinate.height / 2,
  }
  return {
    success: true,
    center,
    coordinate: result.coordinate,
    workDir: result.workDir,
    markedScreenshotPath: result.markedScreenshotPath || null,
  }
}

module.exports = {
  tagName,
  schema,
  executeImgCenterPointLocation,
  matchImageAndGetCoordinate,
  /** @deprecated 与 matchImageAndGetCoordinate 相同 */
  matchImageAndGetCoordinateAsync: matchImageAndGetCoordinate,
  /** 解析后的模型名 + 当前 ai 包 baseUrl（测试 / 调试） */
  getImgCenterModel,
  getImgCenterAiMeta,
  /** 中心点 VLM 实际调用链（主 + 备用，≤3） */
  getCenterPointVlmModelChain,
}