aiData/WeiXin/WxUtil.py

# coding=utf-8
import uiautomator2 as u2
import time
import asyncio
import logging
import sys
import os
import cv2
import numpy as np
import re

# 添加项目根目录到 sys.path 以便导入 Util
project_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
if project_root not in sys.path:
    sys.path.append(project_root)

import json
from datetime import datetime, timedelta
from Util.EasyOcrKit import EasyOcrKit

# 初始化 EasyOcrKit
ocr_kit = EasyOcrKit()

# 配置日志
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger("WxUtil")

# 目录配置
BASE_DATA_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
LOG_DIR = os.path.join(BASE_DATA_DIR, "Logs")
OUTPUT_DIR = os.path.join(BASE_DATA_DIR, "Output")
TEMPLATE_DIR = os.path.join(os.path.dirname(os.path.abspath(__file__)), "Templates")

# 全局调试图片计数器
_debug_counter = 0

def parse_wechat_time(time_str):
    """
    解析微信时间字符串为标准化格式 (YYYY-MM-DD HH:MM)
    支持: "10:03", "昨天 10:03", "星期三 10:03", "2025年1月1日 10:03"
    """
    try:
        clean_str = time_str.strip()
        
        # 0. 预处理：过滤纯数字（防止电话号码被误识别为时间）
        # 微信时间戳通常包含中文或冒号，单纯的数字串（如 "18686619970"）不是有效时间
        if re.match(r'^\d+$', clean_str):
            logger.warning(f"忽略疑似电话号码/纯数字的时间字符串: '{clean_str}'")
            return ""

        now = datetime.now()
        today = now.date()
        
        # 1. HH:mm (当天)
        # 注意：有时候 OCR 会把冒号识别成其他字符，这里假设是标准的 HH:mm
        if re.match(r'^\d{1,2}:\d{2}$', clean_str):
            h, m = map(int, clean_str.split(':'))
            dt = datetime.combine(today, datetime.min.time().replace(hour=h, minute=m))
            return dt.strftime("%Y-%m-%d %H:%M")
            
        # 2. 昨天 HH:mm
        if "昨天" in clean_str:
            t_part = clean_str.replace("昨天", "").strip()
            if re.match(r'^\d{1,2}:\d{2}$', t_part):
                h, m = map(int, t_part.split(':'))
                yesterday = today - timedelta(days=1)
                dt = datetime.combine(yesterday, datetime.min.time().replace(hour=h, minute=m))
                return dt.strftime("%Y-%m-%d %H:%M")

        # 3. 星期X / 周X HH:mm
        weekdays_map = {
            "星期一": 0, "星期二": 1, "星期三": 2, "星期四": 3, "星期五": 4, "星期六": 5, "星期日": 6,
            "周一": 0, "周二": 1, "周三": 2, "周四": 3, "周五": 4, "周六": 5, "周日": 6
        }
        for w_str, w_idx in weekdays_map.items():
            if w_str in clean_str:
                # 提取时间部分 (支持 "周三 10:03" 或 "周三10:03")
                t_part = clean_str.replace(w_str, "").strip()
                time_match = re.search(r'(\d{1,2}):(\d{2})', t_part)
                
                h, m = 0, 0
                if time_match:
                    h, m = map(int, time_match.groups())
                
                current_weekday = now.weekday()
                # 计算日期回退天数 (mod 7 确保是过去的一周内)
                delta_days = (current_weekday - w_idx) % 7
                
                # 如果 delta_days 是 0，且当前时间比解析出的时间早，说明是上周的今天
                # 微信通常只有在真的“过去”才会显示星期几
                if delta_days == 0 and time_match:
                    if now.hour < h or (now.hour == h and now.minute < m):
                        delta_days = 7
                elif delta_days == 0 and not time_match:
                    # 只有“周三”没有时间，通常指最近的一个周三（如果今天是周三，可能指上周三）
                    # 但为了简单，如果今天是周三且没时间，我们暂定为今天
                    pass

                target_date = today - timedelta(days=delta_days)
                if time_match:
                    dt = datetime.combine(target_date, datetime.min.time().replace(hour=h, minute=m))
                    return dt.strftime("%Y-%m-%d %H:%M")
                else:
                    return target_date.strftime("%Y-%m-%d 00:00")

        # 4. YYYY年MM月DD日 HH:mm
        # 简单匹配年月日
        match = re.search(r'(\d{4})年(\d{1,2})月(\d{1,2})日', clean_str)
        if match:
            y, m, d = map(int, match.groups())
            # 找时间部分
            time_match = re.search(r'(\d{1,2}):(\d{2})', clean_str)
            if time_match:
                hh, mm = map(int, time_match.groups())
                dt = datetime(y, m, d, hh, mm)
                return dt.strftime("%Y-%m-%d %H:%M")
            else:
                # 只有日期，没有时间 (通常是日期分隔符)
                # 这种情况下，可能需要给个默认时间？或者就返回日期
                return f"{y:04d}-{m:02d}-{d:02d} 00:00"

        # 5. MM月DD日 HH:mm (跨年但未显示年份？微信通常会显示年份如果跨年)
        # 处理 "1月26日 10:00"
        match = re.search(r'(\d{1,2})月(\d{1,2})日', clean_str)
        if match:
             m, d = map(int, match.groups())
             # 默认当年
             y = today.year
             # 找时间
             time_match = re.search(r'(\d{1,2}):(\d{2})', clean_str)
             if time_match:
                 hh, mm = map(int, time_match.groups())
                 dt = datetime(y, m, d, hh, mm)
                 # 如果计算出的时间在未来，可能是去年 (比如现在1月，消息是12月)
                 if dt > now:
                     dt = datetime(y - 1, m, d, hh, mm)
                 return dt.strftime("%Y-%m-%d %H:%M")

        # 兜底：如果是 "下午 5:00" 这种格式
        if "下午" in clean_str or "晚上" in clean_str:
             t_part = re.sub(r'下午|晚上', '', clean_str).strip()
             if re.match(r'^\d{1,2}:\d{2}$', t_part):
                 h, m = map(int, t_part.split(':'))
                 if h < 12: h += 12
                 dt = datetime.combine(today, datetime.min.time().replace(hour=h, minute=m))
                 return dt.strftime("%Y-%m-%d %H:%M")
        
        if "上午" in clean_str:
             t_part = re.sub(r'上午', '', clean_str).strip()
             if re.match(r'^\d{1,2}:\d{2}$', t_part):
                 h, m = map(int, t_part.split(':'))
                 dt = datetime.combine(today, datetime.min.time().replace(hour=h, minute=m))
                 return dt.strftime("%Y-%m-%d %H:%M")

        # 解析失败，返回空字符串，避免将无关文本（如电话号码）误认为时间注入到上下文中
        return "" 
    except Exception as e:
        logger.warning(f"时间解析失败 '{time_str}': {e}")
        return ""

def get_next_debug_path(desc="step"):
    """获取下一个顺序命名的调试图片路径 (debug_N_desc.jpg)"""
    global _debug_counter
    _debug_counter += 1
    filename = f"debug_{_debug_counter}_{desc}.jpg"
    return os.path.join(OUTPUT_DIR, filename)

def clear_directory(dir_path, exclude_files=None):
    """清理指定目录下的所有文件，支持排除特定文件"""
    if not os.path.exists(dir_path):
        os.makedirs(dir_path)
        return
    
    if exclude_files is None:
        exclude_files = []
    
    import shutil
    for filename in os.listdir(dir_path):
        if filename in exclude_files:
            continue
            
        file_path = os.path.join(dir_path, filename)
        try:
            if os.path.isfile(file_path) or os.path.islink(file_path):
                os.unlink(file_path)
            elif os.path.isdir(file_path):
                shutil.rmtree(file_path)
        except PermissionError:
            # 忽略正在被使用的文件（如当前的日志文件）
            continue
        except Exception as e:
            logger.warning(f"Failed to delete {file_path}. Reason: {e}")

def setup_script_environment():
    """运行前清理日志和输出目录"""
    logger.info("清理运行环境: Logs 和 Output 目录...")
    # 重置调试计数器
    global _debug_counter
    _debug_counter = 0
    # 清理所有日志和图片，确保新一轮运行有干净的环境
    clear_directory(LOG_DIR)
    clear_directory(OUTPUT_DIR)

def connect_device():
    """
    连接设备并返回设备对象，同时打印详细的设备信息
    """
    try:
        d = u2.connect()
        # 强制检查连接是否可用
        if not d.info:
            logger.error("设备连接不可用 (d.info is empty)")
            return None
            
        # 获取可靠的序列号
        device_serial = d.serial if hasattr(d, 'serial') else "未知"
        logger.info(f"设备连接成功: {device_serial}")
        
        # 获取并打印详细设备信息
        device_info = d.device_info
        logger.info(f"详细设备信息: 品牌={device_info.get('brand')}, 型号={device_info.get('model')}, SDK={device_info.get('sdk')}")
        return d
    except Exception as e:
        logger.error(f"设备连接失败: {e}")
        return None

def safe_device_click(d, x, y):
    """
    安全的点击操作，包含简单的异常捕获和重试逻辑
    """
    try:
        # 强制转换为原生 int，防止 numpy.int64 导致的 JSON 序列化错误
        ix, iy = int(x), int(y)
        d.click(ix, iy)
        return True
    except Exception as e:
        logger.warning(f"点击操作失败 ({x}, {y}): {e}，尝试重新连接并重试...")
        try:
            # 尝试重新初始化连接
            new_d = u2.connect()
            ix, iy = int(x), int(y)
            new_d.click(ix, iy)
            return True
        except Exception as e2:
            logger.error(f"重试点击操作依然失败: {e2}")
            return False

def draw_debug_info(image_path, messages, current_voice_center=None, suffix=""):
    """
    辅助函数：在截图中绘制当前已知的消息状态
    :param image_path: 图片路径
    :param messages: 消息列表
    :param current_voice_center: 当前正在处理的语音中心坐标 (vx, vy)
    :param suffix: 保存文件名的后缀
    """
    try:
        img = cv2.imread(image_path)
        if img is None: return
        
        for msg in messages:
            if msg['type'] == 'voice':
                ax, ay = msg['center']
                is_unread = msg.get('is_unread', False)
                is_converted = msg.get('is_converted', False)
                
                # 绘制框
                color = (0, 0, 255) if is_unread else (0, 255, 0)
                cv2.rectangle(img, (ax-30, ay-30), (ax+30, ay+30), color, 2)
                
                # 绘制 YES/NO
                label = "YES" if is_converted else "NO"
                cv2.putText(img, label, (ax + 40, ay + 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, color, 2)
                
                # 如果是当前正在处理的语音，画一个额外的黄圈
                if current_voice_center and abs(ax - current_voice_center[0]) < 10 and abs(ay - current_voice_center[1]) < 10:
                     cv2.circle(img, (ax, ay), 40, (0, 255, 255), 3)
                     cv2.putText(img, "PROCESSING", (ax - 60, ay - 50), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 255), 2)

        # 保存覆盖后的图片
        cv2.imwrite(image_path, img)
        logger.info(f"已更新调试标记到截图: {image_path}")
    except Exception as e:
        logger.warning(f"绘制调试信息失败: {e}")

def _detect_bubble_color(img, bbox):
    """
    检测文本框区域的背景颜色，用于辅助判断发送者。
    :param img: OpenCV 图像 (BGR)
    :param bbox: OCR 返回的边界框 4个点
    :return: "green" (我), "white" (对方), or "unknown"
    """
    if img is None: return "unknown"
    
    # 提取 bbox 区域
    h, w = img.shape[:2]
    min_x = max(0, int(min(p[0] for p in bbox)))
    max_x = min(w, int(max(p[0] for p in bbox)))
    min_y = max(0, int(min(p[1] for p in bbox)))
    max_y = min(h, int(max(p[1] for p in bbox)))
    
    if max_x <= min_x or max_y <= min_y:
        return "unknown"
        
    roi = img[min_y:max_y, min_x:max_x]
    
    # 计算背景颜色 (抗文字干扰)
    # 文本是黑色的 (0,0,0)，会拉低平均值/中位数
    # 使用 95% 分位数来获取背景色 (偏亮的部分 - 真正的背景)
    try:
        # axis=(0,1) 对 h,w 维度操作，保留 c 维度
        # percentile 返回 float，需转 int
        bg_color = np.percentile(roi, 95, axis=(0, 1))
        b, g, r = bg_color
    except Exception:
        # Fallback
        mean_color = cv2.mean(roi)[:3]
        b, g, r = mean_color
    
    # 调试日志：打印颜色值
    logger.info(f"Color Debug: B={b:.1f}, G={g:.1f}, R={r:.1f} | bbox={bbox}")

    # 绿色气泡特征 (Light Mode):
    # R: 152, G: 225, B: 101 (BGR: 101, 225, 152)
    # G 显著大于 R 和 B
    # 提高阈值以区分白色/灰色背景的噪声 (White: 255, 255, 255)
    if g > r + 30 and g > b + 30 and g > 100:
        return "green"
        
    # 白色气泡特征:
    # R, G, B 都很高且接近
    # 考虑黑色文字的影响，如果是中位数，应该很高 (>200)
    # 放宽对灰色的容忍度 (Dark Mode 可能偏灰)
    if abs(r - g) < 30 and abs(g - b) < 30 and abs(r - b) < 30:
        # 且亮度不能太低 (太低可能是黑色背景或深色物体)
        if g > 150: 
            return "white"
    
    # 特殊补丁：如果 B, G, R 都很接近且在 130 左右，可能是微信的背景灰 (通常用于时间戳或系统消息)
    if 110 < r < 160 and 110 < g < 160 and 110 < b < 160:
        if abs(r - g) < 15 and abs(g - b) < 15:
            return "system_gray"
            
    return "unknown"

def _scan_chat_messages(image_path):
    """
    内部函数：扫描图片中的微信消息（语音、文本、红点）
    返回: (messages_list, debug_image)
    """
    img = cv2.imread(image_path)
    if img is None:
        logger.error(f"无法读取图片: {image_path}")
        return [], None
    h, w = img.shape[:2]
    logger.info(f"DEBUG: Image size w={w}, h={h}")
    
    # 3. 模板匹配寻找语音图标和红点
    audio_template = os.path.join(TEMPLATE_DIR, "audio.jpg")
    red_point_template = os.path.join(TEMPLATE_DIR, "red_point.jpg")
    
    audio_matches = find_all_template_matches(image_path, audio_template, threshold=0.8)
    red_points = find_all_template_matches(image_path, red_point_template, threshold=0.8)
    
    # 4. OCR 识别所有文本
    logger.info("正在执行 OCR 识别...")
    ocr_results = ocr_kit.read_text(image_path)
    
    # 4.5 尝试提取聊天标题 (对方昵称)
    chat_title = "对方"
    potential_titles = []
    for bbox, text, conf in ocr_results:
        c_y = int((bbox[0][1] + bbox[2][1]) / 2)
        c_x = int((bbox[0][0] + bbox[2][0]) / 2)
        # 标题区域通常在顶部 (状态栏下方，消息列表上方)
        if 60 < c_y < 140:
            clean = text.strip()
            # 排除时间、信号、返回按钮等
            if re.match(r'^\d{1,2}:\d{2}$', clean): continue
            if "微信" in clean or "WeChat" in clean: continue
            if clean in ["<", "返回", "消息", "(", ")"]: continue
            if re.match(r'^\d+$', clean): continue # 排除纯数字(如未读数)
            if len(clean) > 0:
                potential_titles.append((c_x, clean))
    
    if potential_titles:
        # 优先取最接近水平中心的文本作为标题
        potential_titles.sort(key=lambda x: abs(x[0] - w/2))
        chat_title = potential_titles[0][1]
        # 去除可能包含的括号(比如备注名后的群聊人数，虽然后面会被截断)
        chat_title = re.sub(r'\(\d+\)$', '', chat_title).strip()
        logger.info(f"识别到聊天标题/对方昵称: {chat_title}")

    # 微信菜单关键字（用于排除干扰）
    MENU_KEYWORDS = ["听筒播放", "收藏", "背景播放", "删除", "多选", "取消转文字", "转文字", "引用", "提醒"]
    # 忽略的系统消息内容
    IGNORE_CONTENT = ["撤回了一条消息", "打招呼的消息", "拍了拍", "你撤回了一条消息", "引用", "Clear Text", "Switch IME", "Done", "按住说话", "发送"]

    # 5. 整合所有消息
    messages = []
    debug_img = img.copy() # 初始化调试图

    # 绘制过滤区域边界 (可视化)
    cv2.line(debug_img, (0, 150), (w, 150), (255, 0, 255), 2) # 顶部线
    cv2.line(debug_img, (0, h - 60), (w, h - 60), (255, 0, 255), 2) # 底部线 (放宽到底部 60px)
    cv2.putText(debug_img, "TOP_FILTER", (10, 140), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 255), 1)
    cv2.putText(debug_img, "BOTTOM_FILTER", (10, h - 70), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 255), 1)

    claimed_ocr_indices = set()

    # A. 添加语音消息
    for ax, ay in audio_matches:
        # 标记所有找到的语音图标 (用于调试)
        cv2.circle(debug_img, (ax, ay), 10, (255, 255, 0), -1) 
        
        # 过滤掉顶部和底部的非聊天区域
        if ay < 150 or ay > h - 60:
            logger.info(f"忽略区域外语音图标: ({ax}, {ay})")
            cv2.rectangle(debug_img, (ax-35, ay-35), (ax+35, ay+35), (128, 128, 128), 1)
            cv2.putText(debug_img, "FILTERED", (ax - 40, ay - 45), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (128, 128, 128), 1)
            continue
            
        sender = "对方" if ax < w / 2 else "我"
        is_unread = False
        for rx, ry in red_points:
            # 红点通常在语音图标右侧且 Y 轴相近
            if abs(ry - ay) < 50 and rx > ax:
                is_unread = True
                break
        
        # 改进：判断是否已转文字
        is_converted = False
        converted_trigger_text = ""
        associated_texts = [] # 存储关联的多行文本 [(y, x, text)]
        
        for i, (bbox, text, conf) in enumerate(ocr_results):
            if i in claimed_ocr_indices: continue

            c_x = int((bbox[0][0] + bbox[2][0]) / 2)
            c_y = int((bbox[0][1] + bbox[2][1]) / 2)
            
            # 判定逻辑：文本在语音下方且水平偏移不大
            # 1. Y轴限制: -50 < dy < 800 (适配多行文本)
            # 2. X轴限制: abs(dx) < 500 (减少误判，防止关联到屏幕另一侧的消息)
            # 3. 几何位置强校验 (核心修复)
            voice_is_left = ax < w / 2
            
            # 获取文本框的左右边界
            min_x = min(p[0] for p in bbox)
            max_x = max(p[0] for p in bbox)
            
            if voice_is_left:
                # 语音在左 (对方): 文本必须也是左对齐
                # - min_x 必须靠左 (< 450) [Fix] 放宽阈值，防止长文本或缩进文本被过滤
                # - max_x 不能太靠右 (> w - 150)，否则可能是"我"的消息
                if min_x > 450 or max_x > w - 150:
                    logger.debug(f"忽略文本 '{text[:10]}' (Left Voice): min_x={min_x}, max_x={max_x} 不满足左对齐条件")
                    continue
            else:
                # 语音在右 (我): 文本必须也是右对齐
                # - max_x 必须靠右 (> w - 300)
                # - min_x 不能太靠左 (< 100)
                if max_x < w - 300 or min_x < 100:
                    logger.debug(f"忽略文本 '{text[:10]}' (Right Voice): min_x={min_x}, max_x={max_x} 不满足右对齐条件")
                    continue

            # [Fix] 放宽 X 轴判定范围 (500 -> 600) 以适应更宽的文本
            if -50 < c_y - ay < 800 and abs(c_x - ax) < 600:
                # 检查中间是否有其他语音图标
                has_intermediate_audio = False
                for other_ax, other_ay in audio_matches:
                    # 只有当中间的语音图标在 [150, h-60] 的有效聊天区域内时，才视为阻断
                    if ay + 20 < other_ay < c_y - 10:
                        if 150 <= other_ay <= h - 60:
                            has_intermediate_audio = True
                            logger.info(f"语音({ax},{ay}) 被中间有效区域内的语音图标({other_ax},{other_ay}) 阻断，无法关联文本 '{text[:10]}...'")
                            break
                        else:
                            logger.info(f"语音({ax},{ay}) 忽略非聊天区域(Y={other_ay})的语音图标阻断")
                
                if has_intermediate_audio:
                    continue

                # [Fix] 检查中间是否有其他气泡消息阻断 (防止跨消息合并)
                # 如果遇到一个明确属于另一方的消息气泡，必须停止关联
                if c_y > ay + 60: # 稍微放宽 Y 轴，避免误判紧贴的转换文本
                    bubble_color = _detect_bubble_color(img, bbox)
                    
                    if voice_is_left: # 语音在左 (对方)
                        # 如果遇到绿色气泡 (我)，或者是明显的右对齐文本，视为阻断
                        if bubble_color == "green":
                            logger.info(f"语音({ax},{ay}) 被中间'我'的消息(绿色气泡)阻断: '{text[:10]}...'")
                            break
                        if c_x > w * 0.65: # 右侧明显区域 (short message check)
                            logger.info(f"语音({ax},{ay}) 被中间'我'的消息(右对齐)阻断: '{text[:10]}...'")
                            break
                            
                    else: # 语音在右 (我)
                        # 如果遇到白色气泡 (对方)，或者是明显的左对齐文本，视为阻断
                        if bubble_color == "white":
                            logger.info(f"语音({ax},{ay}) 被中间'对方'的消息(白色气泡)阻断: '{text[:10]}...'")
                            break
                        if c_x < w * 0.35: # 左侧明显区域
                            logger.info(f"语音({ax},{ay}) 被中间'对方'的消息(左对齐)阻断: '{text[:10]}...'")
                            break

                clean_text = text.strip()
                # 判定是否为时间戳
                is_timestamp = re.search(r'(\d{1,2}:\d{2})', clean_text) and (len(clean_text) < 15)
                # 判定是否为纯数字或时长
                is_duration = re.search(r'\d{1,2}"?$', clean_text) and len(clean_text) < 6
                # 判定是否为系统消息
                is_ignored = any(k in clean_text for k in IGNORE_CONTENT)
                
                # 噪音判定 (例如 "少3"")
                is_noise = "少" in clean_text and len(clean_text) < 8 and re.search(r'\d', clean_text)

                if not is_duration and not is_timestamp and clean_text not in MENU_KEYWORDS and not is_ignored and not is_noise:
                    is_converted = True
                    associated_texts.append((c_y, c_x, clean_text))
                    claimed_ocr_indices.add(i)
                    # 不再 break，继续寻找后续文本行
                else:
                    # 这些文本虽然不作为内容，但它们属于语音消息的附属信息，标记为已处理
                    claimed_ocr_indices.add(i)
                    
                    if is_timestamp:
                        logger.info(f"语音({ax},{ay}) 忽略下方时间戳文本: '{clean_text}'")
                    elif is_duration:
                        logger.info(f"语音({ax},{ay}) 忽略时长文本: '{clean_text}'")
                    elif is_noise:
                        logger.info(f"语音({ax},{ay}) 忽略噪音文本: '{clean_text}'")
                    elif is_ignored:
                        logger.info(f"语音({ax},{ay}) 忽略系统消息文本: '{clean_text}'")
                    else:
                         logger.info(f"语音({ax},{ay}) 忽略其他文本(可能是菜单): '{clean_text}'")
        
        # 整合所有关联文本
        if associated_texts:
            # 按 Y 轴排序，如果 Y 接近则按 X 轴排序
            associated_texts.sort(key=lambda x: (x[0], x[1]))
            converted_trigger_text = "".join([t[2] for t in associated_texts])
            
            # 去除已知噪音
            noise_patterns = ["42IIhK+-语音输入粘贴#", "语音输入粘贴"]
            for np in noise_patterns:
                converted_trigger_text = converted_trigger_text.replace(np, "")
            converted_trigger_text = converted_trigger_text.strip()
            
            logger.info(f"语音({ax},{ay}) 判定为已转换，最终合并文本: '{converted_trigger_text}'")
        
        if is_converted:
            logger.info(f"语音消息 ({ax}, {ay}) 已有转换文字: '{converted_trigger_text}'，跳过")
        
        # 绘图反馈
        color = (0, 0, 255) if is_unread else (0, 255, 0)
        cv2.rectangle(debug_img, (ax-30, ay-30), (ax+30, ay+30), color, 2)
        label = "YES" if is_converted else "NO"
        cv2.putText(debug_img, label, (ax + 40, ay + 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, color, 2)

        messages.append({
            "type": "voice",
            "sender": sender,
            "center": (ax, ay),
            "y": ay,
            "is_unread": is_unread,
            "is_converted": is_converted,
            "content": converted_trigger_text if is_converted else None
        })
        
    # B. 添加文本消息
    for i, (bbox, text, conf) in enumerate(ocr_results):
        if i in claimed_ocr_indices: continue
        c_x = int((bbox[0][0] + bbox[2][0]) / 2)
        c_y = int((bbox[0][1] + bbox[2][1]) / 2)
        
        if c_y < 150 or c_y > h - 60:
            continue
        
        # 判定发送者 (增强版: 几何 + 颜色)
        # 1. 尝试通过背景颜色判定 (最准确)
        sender_color = _detect_bubble_color(img, bbox)
        
        sender = "unknown"
        if sender_color == "green":
            sender = "我"
        elif sender_color == "white":
            sender = "对方"
        elif sender_color == "system_gray":
            # 灰底文字通常是时间戳或系统消息，由系统发送，几何上居中
            sender = "system"

        # 2. 几何特征强制修正 (Double Check)
        # 假设头像+边距约占 15% 宽度
        edge_margin = w * 0.15 
        min_x = min(p[0] for p in bbox)
        max_x = max(p[0] for p in bbox)
        
        # 规则 A: 如果这一行极其靠右 (超过 85% 宽度)，那肯定是"我"
        # 即使颜色判成了白色 (比如光照问题)，也得纠正回来
        if max_x > w - edge_margin:
            if sender == "对方":
                logger.warning(f"Sender detected as '对方' by color but geometry says '我' (max_x={max_x} > {w-edge_margin}). Correcting to '我'.")
            sender = "我"
            
        # 规则 B: 如果这一行极其靠左 (小于 35% 宽度)，且不靠右，那肯定是"对方"
        # 扩大判定范围，防止因为 OCR 稍微缩进导致判定失效
        # 注意：如果颜色明确为"我"（绿色），则跳过此规则，因为"我"的长消息也可能靠左
        elif min_x < w * 0.35 and max_x < w * 0.75: # 修正：max_x 阈值从 0.85 降低到 0.75
            if sender == "我":
                logger.info(f"Geometry says '对方' (min_x={min_x} < {w*0.35}) but Color is '我' (Green). Trusting Color.")
            elif sender == "system":
                # 即使颜色是系统灰，但如果位置极其靠左，也可能是对方的某种特殊气泡
                pass
            else:
                sender = "对方"
                
        # 规则 C: 如果颜色是 unknown，且不在极端位置，使用中心点兜底
        if sender == "unknown":
            c_x = int((min_x + max_x) / 2)
            # 简单中心判断
            if c_x < w / 2: sender = "对方"
            else: sender = "我"

        # 规则 D: 强几何中心校验 (Final Geometry Verdict)
        # 仅对短消息使用强几何校验 (宽度 < 70% 屏幕宽度)
        # 长消息通常铺满屏幕，中心点在中间，容易受字体渲染影响导致误判，应信任颜色检测结果
        box_width = max_x - min_x
        if box_width < w * 0.7:
             # 如果中心点明显在左半屏 ( < 45% )，判定为"对方"
             if c_x < w * 0.45:
                 # [Fix] 如果颜色明确是绿色，说明是"我"的左对齐文本(长文换行)，不应被几何规则强制改为"对方"
                 if sender == "我" and sender_color == "green":
                     logger.info(f"Geometry says '对方' (center={c_x} < {w*0.45}) but Color is 'green'. Keeping '我'.")
                 elif sender == "system":
                     # 系统消息允许居中或偏左
                     pass
                 else:
                     if sender == "我":
                         logger.warning(f"Sender detected as '我' by color but center is left ({c_x} < {w*0.45}). Correcting to '对方'.")
                     sender = "对方"
             # 如果中心点明显在右半屏 ( > 55% )，判定为"我"
             elif c_x > w * 0.55:
                 if sender == "对方":
                     logger.warning(f"Sender detected as '对方' by color but center is right ({c_x} > {w*0.55}). Correcting to '我'.")
                 elif sender == "system":
                     pass
                 else:
                    sender = "我"
             else:
                 logger.info(f"Message in middle zone ({w*0.45} < {c_x} < {w*0.55}), trusting color detection: {sender}")
        else:
             logger.info(f"Wide message (width={box_width} > {w*0.7}), skipping geometry check, trusting color: {sender}")

        time_pattern = r'(\d{4}年|\d{1,2}月|\d{1,2}日|\d{1,2}:\d{2}|昨天|今天|星期|上午|下午|晚上)'
        # 优先判断是否为独立的时间戳 (行短且符合时间格式)
        if len(text) < 20 and (re.search(time_pattern, text) or re.match(r'^[0-9:\s日年月\-]+$', text)):
            # 进一步校验是否真的是时间 (通过 parse_wechat_time 尝试解析，或者简单正则)
            # 这里我们假设短行的符合 time_pattern 的都是时间标记
            logger.info(f"识别到时间戳/日期: '{text}'")
            messages.append({
                "type": "timestamp",
                "content": text.strip(),
                "y": c_y,
                "center": (c_x, c_y)
            })
            continue
        
        clean_text = text.strip()
        if re.match(r'^.?[0-9]{1,2}"?$', clean_text): 
            logger.info(f"忽略疑似时长文本: '{clean_text}'")
            continue
            
        # 噪音判定 (例如 "少3"")
        if "少" in clean_text and len(clean_text) < 8 and re.search(r'\d', clean_text):
             logger.info(f"忽略噪音文本: '{clean_text}'")
             continue

        if clean_text in MENU_KEYWORDS: 
            logger.info(f"忽略菜单关键词: '{clean_text}'")
            continue
        if any(k in clean_text for k in IGNORE_CONTENT): 
            logger.info(f"忽略系统消息内容: '{clean_text}'")
            continue
            
        
        messages.append({
            "type": "text",
            "sender": sender,
            "content": text.strip(),
            "center": (c_x, c_y),
            "y": c_y
        })
        
    # 6. 排序
    messages.sort(key=lambda x: x['y'])

    # 7. 注入时间戳
    current_time_str = None
    
    # 过滤掉 timestamp 类型的消息，将其作为属性注入到后续消息中
    final_messages_with_time = []
    
    for msg in messages:
        if msg['type'] == 'timestamp':
            # 更新当前时间上下文
            parsed_time = parse_wechat_time(msg['content'])
            current_time_str = parsed_time
            logger.info(f"更新时间上下文: {msg['content']} -> {parsed_time}")
        else:
            # 只有语音和文本消息需要注入时间
            if current_time_str:
                msg['time_display'] = current_time_str
            else:
                # 如果上方没有时间戳，尝试默认使用当天日期 (或者保持 None)
                # 对于首屏最上面的消息，可能没有时间戳
                pass 
            final_messages_with_time.append(msg)

    return final_messages_with_time, debug_img, chat_title

async def analyze_chat_image(image_path, output_path, device=None, target_name="对方", process_strategy="ALL", restore_processed_voice=True):
    """
    全面采用 CV + OCR 识别微信聊天截图中的最后一条消息
    :param process_strategy: 语音处理策略 (ALL/UNREAD/LAST)
    :param restore_processed_voice: 是否在转文字后还原（隐藏文字）。默认为 True。
                                    设为 False 可防止最后一条消息在无内容时陷入"转文字->还原->空内容"的死循环。
    注意：此函数现在包含一个循环，如果发现需要转文字的语音，会逐个处理并重新截图。
    """
    try:
        d = device if device else connect_device()
        if not d:
            return [], None

        current_image_path = image_path
        current_output_path = output_path
        
        final_messages = []
        loop_count = 0
        MAX_LOOPS = 10 # 增加循环次数上限，适应 ALL 策略
        
        # 统计计数器
        total_voices_count = 0
        convert_opened_count = 0
        convert_closed_count = 0
        
        # 记录本次会话已处理过的语音 Y 坐标集合
        processed_y_coords = set()
        # 记录 Peek-and-Restore 过程中抓取到的语音内容 {y_coord: content}
        captured_voice_contents = {}
        
        # 初始化异步任务列表
        analyze_chat_image._ocr_tasks = []
        
        while loop_count < MAX_LOOPS:
            loop_count += 1
            logger.info(f"--- 分析循环 第 {loop_count} 次 ---")
            
            # 1. 扫描当前屏幕
            messages, debug_img, chat_title = _scan_chat_messages(current_image_path)
            if messages is None: # 读取失败
                return [], None
            
            # 更新消息发送者名称 (将 "对方" 替换为 实际标题)
            if chat_title and chat_title != "对方":
                for m in messages:
                    if m['sender'] == "对方":
                        m['sender'] = chat_title

            # 保存当前状态的调试图
            if current_output_path:
                cv2.imwrite(current_output_path, debug_img)
                logger.info(f"调试图已保存: {current_output_path}")

            # 2. 筛选需要处理的语音
            all_voices = [m for m in messages if m['type'] == 'voice']
            all_voices.sort(key=lambda x: x['y']) # 从上到下
            
            # 更新统计 (取当前扫描到的数量)
            total_voices_count = len(all_voices)
            
            # Helper: 检查是否已处理
            def is_processed(y_coord):
                for py in processed_y_coords:
                    if abs(y_coord - py) < 20: # 20px 容差
                        return True
                return False

            target_voices = []
            if process_strategy == "ALL":
                # ALL 策略：处理所有未被记录处理过的、且未转换的语音
                target_voices = [m for m in all_voices if not m.get('is_converted') and not is_processed(m['y'])]
                logger.info(f"策略(ALL): 发现 {len(target_voices)} 条未转换待处理语音")
            elif process_strategy == "UNREAD":
                # UNREAD 策略：只处理未读且未转换且未处理过的
                target_voices = [m for m in all_voices if m.get('is_unread') and not m.get('is_converted') and not is_processed(m['y'])]
                logger.info(f"策略(UNREAD): 发现 {len(target_voices)} 条未读待处理语音")
            elif process_strategy == "LAST":
                # LAST 策略：只处理最后一条未转换的
                unconverted = [m for m in all_voices if not m.get('is_converted')]
                if unconverted:
                     last_voice = unconverted[-1]
                     if not is_processed(last_voice['y']):
                         target_voices = [last_voice]
                logger.info(f"策略(LAST): 仅关注最后一条未转换语音")
            
            # 如果没有需要处理的语音，或者我们已经达到了策略要求，退出循环
            if not target_voices:
                logger.info("当前屏幕无待处理语音，分析结束")
                final_messages = messages
                break
                
            # 3. 处理第一条目标语音
            # 注意：只处理第一条，因为处理后界面会变动（展开文字），坐标会失效
            target = target_voices[0]
            vx, vy = int(target['center'][0]), int(target['center'][1])
            
            # 标记为已处理
            processed_y_coords.add(target['y'])
            
            logger.info(f"准备处理语音 ({vx}, {vy})...")
            
            # 高亮正在处理的语音并保存更新后的调试图
            draw_debug_info(current_output_path, messages, current_voice_center=(vx, vy))
            
            # 执行操作：长按 -> 转文字
            logger.info(f"正在长按语音消息 ({vx}, {vy})...")
            d.long_click(int(vx), int(vy), 1.0) # 确保坐标为原生 int
            
            # 轮询寻找“转文字”按钮
            logger.info("正在快速寻找'转文字'按钮...")
            zhuan_template = os.path.join(TEMPLATE_DIR, "zhun_wen_zi.jpg")
            btn_pos = None
            
            poll_start = time.time()
            while time.time() - poll_start < 3.0: # 最多等 3 秒
                menu_shot = get_next_debug_path("step_long_press_poll")
                d.screenshot(menu_shot)
                btn_pos = find_template_match(menu_shot, zhuan_template, threshold=0.7)
                if btn_pos:
                    break
                time.sleep(0.2) # 快速轮询
            
            if btn_pos:
                btn_x, btn_y = int(btn_pos[0]), int(btn_pos[1])
                logger.info(f"✅ 找到'转文字'按钮: ({btn_x}, {btn_y})，点击中...")
                safe_device_click(d, btn_x, btn_y)
                convert_opened_count += 1
                
                logger.info("等待语音转文字完成...")
                time.sleep(3.0) # 缩短等待时间 (原5.0s)
                
                # --- Peek-and-Restore 逻辑 (异步优化版) ---
                
                # 1. 截图 (但不立即 OCR，而是丢给异步任务)
                peek_shot = get_next_debug_path("step_peek_content")
                d.screenshot(peek_shot)
                logger.info(f"已截图 {peek_shot}，启动异步OCR任务以提取内容...")
                
                async def _async_ocr_task(img_path, target_y):
                    """内部异步任务：在线程池中运行 OCR"""
                    try:
                        loop = asyncio.get_running_loop()
                        # 在默认执行器(线程池)中运行耗时的 _scan_chat_messages
                        logger.info(f"🚀 [Async OCR] 开始分析截图 {os.path.basename(img_path)} (目标 Y={target_y})")
                        msgs, _, _ = await loop.run_in_executor(None, _scan_chat_messages, img_path)
                        
                        found = None
                        # 收集所有可能是该语音消息转换出的文本
                        all_found_texts = []
                        for pm in msgs:
                            if pm['type'] == 'voice' and pm.get('is_converted'):
                                # 容差稍微放大，因为转文字展开后 Y 坐标会变
                                if abs(pm['y'] - target_y) < 150: # 进一步放宽容差
                                    content = pm.get('content', '').strip()
                                    if content:
                                        all_found_texts.append((pm['y'], content))
                        
                        if all_found_texts:
                            # 按 Y 轴排序，确保多行文本顺序正确
                            all_found_texts.sort(key=lambda x: x[0])
                            found = " ".join([t[1] for t in all_found_texts])
                            logger.info(f"✨ [Async OCR] 在 Y={target_y} 附近找到转换文字: {found}")
                        
                        if not found:
                            logger.warning(f"⚠️ [Async OCR] 未能在 Y={target_y} 附近找到已转换文字")
                        return target_y, found
                    except Exception as e:
                        logger.error(f"❌ [Async OCR] 任务执行失败: {e}")
                        return target_y, None

                # 创建并保存任务
                task = asyncio.create_task(_async_ocr_task(peek_shot, vy))
                # 我们需要一个列表来保存任务，这里临时利用 list
                if not hasattr(analyze_chat_image, "_ocr_tasks"):
                    analyze_chat_image._ocr_tasks = []
                analyze_chat_image._ocr_tasks.append(task)

                # 2. 还原状态 (取消转文字)
                # 注意：由于 OCR 还没出结果，我们无法精确定位展开后的文字位置
                # 但通常点击原语音气泡位置 (vx, vy) 也能触发菜单
                if restore_processed_voice:
                    logger.info("准备还原状态 (取消转文字)...")
                    
                    d.long_click(int(vx), int(vy), 1.0) # 确保坐标为原生 int
                    
                    logger.info("正在快速寻找'隐藏文字'按钮...")
                    cancel_template = os.path.join(TEMPLATE_DIR, "cancel_zhuan_wen_zi.jpg")
                    cancel_btn = None
                    
                    poll_start = time.time()
                    while time.time() - poll_start < 3.0:
                        restore_menu_shot = get_next_debug_path("step_restore_poll")
                        d.screenshot(restore_menu_shot)
                        cancel_btn = find_template_match(restore_menu_shot, cancel_template, threshold=0.7)
                        if cancel_btn:
                            break
                        time.sleep(0.2)
                    
                    if cancel_btn:
                        cx, cy = int(cancel_btn[0]), int(cancel_btn[1])
                        logger.info(f"✅ 找到'隐藏文字'按钮: ({cx}, {cy})，点击还原...")
                        safe_device_click(d, cx, cy)
                        convert_closed_count += 1
                        time.sleep(2.0) # 等待收起动画
                    else:
                        logger.warning("❌ 未找到'隐藏文字'按钮，无法还原状态！(后续可能导致重复处理)")
                    
                    # 3. 准备下一次循环
                    if len(target_voices) == 1:
                        logger.info("✅ 当前屏幕所有目标语音已处理完毕，无需再次全屏扫描。")
                        final_messages = messages # 使用本轮初始扫描的消息列表
                        break

                    # 重新截图，因为界面可能微调，或者只是恢复了
                    next_screenshot = get_next_debug_path("step_restored")
                    d.screenshot(next_screenshot)
                    
                    current_image_path = next_screenshot
                    current_output_path = get_next_debug_path("flag_restored")
                    
                    continue
                else:
                    logger.info("⏩ [配置] 跳过还原状态步骤 (保持文字展开)。")
                    # 即使不还原，我们也不建议继续处理下一条，因为界面已经大幅变动（展开了文字）。
                    # 除非我们重新截图并重新定位。
                    # 但在这里，如果 restore_processed_voice=False，通常意味着我们只关心最后一条（LAST策略），或者我们接受界面变动。
                    
                    # 为了安全起见，如果不还原，我们最好终止循环（假设只处理这一条，或者下一轮主循环再处理其他的）
                    # 否则后续的 target_voices 坐标全都不准了。
                    logger.info("🛑 因不还原状态，终止本轮多语音处理循环，等待下一次主监控循环。")
                    final_messages = messages # 这里的 messages 其实是展开前的，但没关系，我们的内容通过 captured_voice_contents 注入
                    break
                
            else:
                logger.warning("❌ 未找到'转文字'按钮，可能是已转换或误判")
                # 即使失败，也已记录在 processed_y_coords 中，避免死循环
                # 继续尝试下一条语音
                logger.info("跳过当前语音，继续扫描...")
                continue

        # 循环结束后，等待所有异步 OCR 任务完成
        if hasattr(analyze_chat_image, "_ocr_tasks") and analyze_chat_image._ocr_tasks:
            logger.info(f"等待 {len(analyze_chat_image._ocr_tasks)} 个异步 OCR 任务完成...")
            results = await asyncio.gather(*analyze_chat_image._ocr_tasks)
            for y, content in results:
                if content:
                    captured_voice_contents[y] = content
                    logger.info(f"✅ [Async OCR] 异步获取到语音内容 (y={y}): {content}")
            # 清空任务列表
            analyze_chat_image._ocr_tasks = []

        # 循环结束，返回最后一次分析的结果
        if not final_messages: # 如果循环因为 max_loops 退出，确保有结果
            final_messages = messages

        # 注入 peek 到的内容
        if captured_voice_contents:
            logger.info(f"正在注入 {len(captured_voice_contents)} 条已还原的语音内容...")
            for m in final_messages:
                if m['type'] == 'voice' and (not m.get('content') or m.get('content').strip() == ""):
                    for py, content in captured_voice_contents.items():
                        # 注入时的容差也要放大，因为 final_messages 的 Y 可能和点击时的 vy 略有差异
                        if abs(m['y'] - py) < 100: 
                            m['content'] = content
                            m['is_converted'] = True # 标记为逻辑上已转换
                            logger.info(f"  -> 注入内容到 Y={m['y']} (原 py={py}): {content[:20]}...")
                            break

        # 构造返回值
        dialogue_log = []
        # 使用 debug_img 的尺寸，如果 debug_img 未定义（极端情况），默认 1080x1920
        if 'debug_img' in locals() and debug_img is not None:
            # [User Requested] 几何兜底 Y 轴应为 0.88 (避开底部导航条)
            input_field_coordinates = (debug_img.shape[1] // 2, int(debug_img.shape[0] * 0.88))
        else:
             # 尝试读取 current_image_path
             try:
                 tmp_img = cv2.imread(current_image_path)
                 input_field_coordinates = (tmp_img.shape[1] // 2, int(tmp_img.shape[0] * 0.88))
             except:
                 input_field_coordinates = (540, 1690) # 1920 * 0.88

        # 找出最后一条消息
        last_msg = None
        if final_messages:
            final_messages.sort(key=lambda x: x['y'])
            last_msg = final_messages[-1]
            
            # 转换为 dialogue_log 格式 (简单转换，具体业务逻辑在调用方处理)
            # 注意：T2 需要的是上下文列表
            pass # 实际上 T2 使用的是 LLM 上下文构建，这里不需要转换成特定 dict 结构，
                 # 但为了兼容旧接口，我们还是返回 messages 列表给调用者处理，
                 # 或者在这里处理成 (role, content) 列表？
                 # 原代码似乎没有做太多转换，而是直接返回 messages 列表？
                 # 仔细看原代码：analyze_chat_image 并没有返回 messages 列表！
                 # 它返回 dialogue_log, input_pos
                 # 原代码 lines 339-340: dialogue_log = []
                 # 可以在最后统一生成
        
        # 统一生成 dialogue_log
        for msg in final_messages:
             # 尝试注入异步获取的语音内容
             if msg['type'] == 'voice':
                 # 模糊匹配 Y 坐标 (增大容差到 100，应对界面滚动)
                 # 优先检查 content 是否为空或为 placeholder
                 if not msg.get('content') or msg.get('content').strip() == "":
                     for y_key, content in captured_voice_contents.items():
                         if abs(msg['y'] - y_key) < 100:
                             msg['is_converted'] = True
                             msg['content'] = content
                             logger.info(f"✅ [注入] 成功将异步语音内容 '{content}' 注入到 Y={msg['y']} 的消息中")
                             break

             # 无论是否有内容，都加入 dialogue_log
             if msg['type'] == 'text':
                 if msg.get('content'): # 文本消息没内容通常是识别错误，可以丢弃
                    dialogue_log.append(msg)
             elif msg['type'] == 'voice':
                 # 语音消息即使没内容也保留，交给上层处理
                 dialogue_log.append(msg)

        logger.info(f"📊 [统计] 语音总数: {total_voices_count}, 打开转文字次数: {convert_opened_count}, 关闭转文字次数: {convert_closed_count}")
        return dialogue_log, input_field_coordinates

    except Exception as e:
        logger.error(f"分析过程发生异常: {e}", exc_info=True)
        return [], (540, 1690)


def clean_screenshots_dir():
    """清理截图目录"""
    if not os.path.exists(OUTPUT_DIR):
        os.makedirs(OUTPUT_DIR)
        return
    
    for f in os.listdir(OUTPUT_DIR):
        if f.lower().endswith(('.jpg', '.png', '.jpeg')):
            try:
                os.remove(os.path.join(OUTPUT_DIR, f))
            except Exception as e:
                logger.warning(f"Failed to delete {f}: {e}")

def is_in_chat_interface(d):
    """
    检查是否在微信聊天界面
    """
    try:
        # 1. 底部语音/键盘切换按钮
        if d(description="切换到语音").exists or d(description="切换到键盘").exists:
            return True
        # 2. 底部输入框
        if d(className="android.widget.EditText").exists:
            return True
        # 3. 底部“按住说话”按钮
        if d(text="按住说话").exists:
            return True
        # 4. 右上角更多按钮
        if d(description="聊天信息").exists:
            return True
    except Exception as e:
        logger.warning(f"is_in_chat_interface check failed: {e}")
        
    return False

def find_input_box_center(image_path):
    """
    寻找输入框中心坐标 (兜底策略)
    优先使用几何特征 (底部 88% 处)
    """
    try:
        if not os.path.exists(image_path):
            return (540, 2100), None
            
        img = cv2.imread(image_path)
        if img is None:
             return (540, 2100), None
             
        h, w = img.shape[:2]
        
        # 策略：直接返回屏幕底部 88% 处的中心点
        center_x = int(w * 0.5)
        center_y = int(h * 0.88)
        
        logger.info(f"find_input_box_center fallback: ({center_x}, {center_y})")
        return (center_x, center_y), None
        
    except Exception as e:
        logger.error(f"find_input_box_center error: {e}")
        return (540, 2100), None

def find_template_match(screen_path, template_path, threshold=0.8):
    """
    使用 OpenCV 模板匹配寻找按钮中心坐标
    """
    try:
        if not os.path.exists(template_path):
            logger.error(f"Template file not found: {template_path}")
            return None

        img = cv2.imread(screen_path)
        template = cv2.imread(template_path)
        if img is None or template is None:
            return None

        h, w = template.shape[:2]
        res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

        if max_val >= threshold:
            center_x = max_loc[0] + w // 2
            center_y = max_loc[1] + h // 2
            logger.info(f"Template matched! Score: {max_val:.2f}, Center: ({center_x}, {center_y})")
            return (center_x, center_y)
        
        logger.info(f"Template not matched. Max score: {max_val:.2f}")
        return None
    except Exception as e:
        logger.error(f"Template matching failed: {e}")
        return None

def find_all_template_matches(screen_path, template_path, threshold=0.8):
    """
    使用 OpenCV 模板匹配寻找**所有**符合条件的坐标
    """
    try:
        if not os.path.exists(template_path):
            logger.error(f"Template file not found: {template_path}")
            return []

        img = cv2.imread(screen_path)
        template = cv2.imread(template_path)
        if img is None or template is None:
            return []

        h, w = template.shape[:2]
        res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)
        
        # 记录最大匹配度，方便调试阈值
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
        logger.info(f"模板匹配 {os.path.basename(template_path)}: 最大相似度 = {max_val:.4f} (阈值={threshold})")
        
        # 找到所有大于阈值的点
        loc = np.where(res >= threshold)
        
        points = []
        for pt in zip(*loc[::-1]):  # Switch collumns and rows
            center_x = pt[0] + w // 2
            center_y = pt[1] + h // 2
            points.append((center_x, center_y))
            
        # 简单的去重（非极大值抑制的简化版，合并相近的点）
        # 这里假设红点不会重叠，暂时直接返回，或者做一个简单的聚类
        # 实际应用中，matchTemplate 对同一个目标周围可能会有多个连续的匹配点
        # 我们需要合并它们
        
        unique_points = []
        for p in points:
            is_close = False
            for up in unique_points:
                if abs(p[0] - up[0]) < 10 and abs(p[1] - up[1]) < 10:
                    is_close = True
                    break
            if not is_close:
                unique_points.append(p)
                
        if unique_points:
            logger.info(f"Found {len(unique_points)} matches for {os.path.basename(template_path)}")
            
        return unique_points

    except Exception as e:
        logger.error(f"find_all_template_matches failed: {e}")
        return []

def perform_input_action(d, center_point, text, auto_send=True, debug_prefix=None):
    """
    执行输入操作
    :param debug_prefix: 如果提供，将在关键步骤保存截图，如 {debug_prefix}_before_mode.jpg
    """
    try:
        def save_debug_shot(name):
            if debug_prefix:
                shot_path = os.path.join(OUTPUT_DIR, f"{debug_prefix}_{name}.jpg")
                d.screenshot(shot_path)
                logger.info(f"保存中间过程截图: {shot_path}")

        # --- 新增逻辑：确保处于文字输入模式 ---
        logger.info("正在检查输入模式...")
        save_debug_shot("1_check_mode")
        
        # 优先使用 uiautomator2 的属性检测（比图像识别更稳）
        # 1. 检查是否有 "切换到键盘" 按钮（说明当前是语音模式）
        voice_mode_btn = d(description="切换到键盘")
        if voice_mode_btn.exists:
            logger.info("检测到语音模式 (UI树: '切换到键盘')，点击切换...")
            voice_mode_btn.click()
            time.sleep(1.0) # 等待 UI 切换
        
        # 2. 检查是否有 "切换到语音" 按钮（说明当前是文字模式）
        # 这一步不是必须的，但可以用来确认状态
        # text_mode_btn = d(description="切换到语音")
        # if text_mode_btn.exists:
        #    logger.info("当前已是文字模式 (UI树: '切换到语音')")
            
        # 3. 如果 UI 树检测失败，尝试图像兜底
        if not voice_mode_btn.exists:
            tmp_check_shot = os.path.join(OUTPUT_DIR, "temp_input_check.jpg")
            d.screenshot(tmp_check_shot)
            
            wen_zi_template = os.path.join(TEMPLATE_DIR, "wen_zi_input.jpg")
            
            # 检查是否存在 '切换到文字' 图标
            wen_zi_pos = find_template_match(tmp_check_shot, wen_zi_template, threshold=0.8)
            
            if wen_zi_pos:
                logger.info(f"检测到语音模式 (图像: 找到切换文字图标: {wen_zi_pos})，点击切换...")
                d.click(wen_zi_pos[0], wen_zi_pos[1])
                time.sleep(1.0) 
            
            # 清理临时文件
            if os.path.exists(tmp_check_shot):
                try:
                    os.remove(tmp_check_shot)
                except:
                    pass
        # --- 新增逻辑结束 ---
        save_debug_shot("2_after_mode")

        # 1. 尝试找到原生输入框并输入
        # 增加多种查找方式
        edit_text = d(className="android.widget.EditText")
        if not edit_text.exists:
             # 尝试通过 resourceId 查找 (微信常见ID)
             edit_text = d(resourceId="com.tencent.mm:id/b4a") 
        
        # 1.2 [User Request] 尝试使用 input_text.jpg 模板寻找输入框
        if not edit_text.exists:
            input_template_path = os.path.join(TEMPLATE_DIR, "input_text.jpg")
            if os.path.exists(input_template_path):
                # 截图用于匹配
                tmp_input_search = os.path.join(OUTPUT_DIR, "temp_input_search.jpg")
                d.screenshot(tmp_input_search)
                
                logger.info(f"正在尝试使用模板 {input_template_path} 寻找输入框...")
                # [User Request] 降低阈值到 0.6
                input_pos = find_template_match(tmp_input_search, input_template_path, threshold=0.6)
                
                if input_pos:
                    logger.info(f"✅ [Template] 通过 input_text.jpg 找到输入框: {input_pos}")
                    save_debug_shot("3_input_box_found")
                    
                    # 绘制调试图 (蓝框)
                    try:
                        debug_img = cv2.imread(tmp_input_search)
                        if debug_img is not None:
                            # 读取模板获取宽高
                            tmpl = cv2.imread(input_template_path)
                            if tmpl is not None:
                                th, tw = tmpl.shape[:2]
                                cx, cy = input_pos
                                top_left = (cx - tw//2, cy - th//2)
                                bottom_right = (cx + tw//2, cy + th//2)
                                
                                # 蓝色框 BGR=(255, 0, 0)
                                cv2.rectangle(debug_img, top_left, bottom_right, (255, 0, 0), 3)
                                cv2.putText(debug_img, "MATCH: input_text.jpg", (top_left[0], top_left[1]-10), 
                                            cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 0), 2)
                                
                                debug_save_path = os.path.join(OUTPUT_DIR, "debug_input_box_match.jpg")
                                cv2.imwrite(debug_save_path, debug_img)
                                logger.info(f"已保存输入框匹配调试图(蓝框): {debug_save_path}")
                    except Exception as e:
                        logger.warning(f"绘制输入框调试图失败: {e}")
                        
                    # 更新点击坐标
                    center_point = input_pos
                else:
                    logger.info(f"❌ [Template] input_text.jpg 未匹配到输入框")
                    
             
        # 1.5 如果找不到原生输入框，尝试通过“切换到语音”按钮定位 Y 轴
        # 输入框通常与左侧的“切换到语音”按钮垂直居中对齐
        if not edit_text.exists:
            try:
                # 确保在文字模式下，左侧会有“切换到语音”按钮
                # 有时候可能是 "切换到键盘" (如果状态判断出错)，都尝试一下作为锚点
                anchor_btn = d(description="切换到语音")
                if not anchor_btn.exists:
                    anchor_btn = d(description="切换到键盘")
                
                if anchor_btn.exists:
                    # 获取按钮中心 Y 坐标
                    bounds = anchor_btn.info['bounds']
                    anchor_y = (bounds['top'] + bounds['bottom']) // 2
                    
                    # 获取屏幕宽度
                    w, h = d.window_size()
                    
                    # 更新中心点：X居中，Y与按钮对齐
                    center_point = (w // 2, anchor_y)
                    logger.info(f"通过'切换到语音'按钮修正输入框坐标: {center_point}")
            except Exception as e:
                logger.warning(f"尝试修正坐标失败: {e}")

        input_success = False
        
        if edit_text.exists:
            logger.info("Found native EditText, using set_text")
            try:
                edit_text.click()
                time.sleep(0.5)
                edit_text.set_text(text)
                input_success = True
            except Exception as e:
                logger.warning(f"Native input failed: {e}")
        
        # 2. 如果原生输入失败，使用坐标点击 + 粘贴/输入
        if not input_success:
            cx, cy = center_point
            logger.info(f"Using coordinate input: {center_point}")
            d.click(cx, cy)
            time.sleep(1.0)
            
            try:
                d.send_keys(text)
            except Exception:
                logger.warning("send_keys failed, trying set_clipboard")
                d.set_clipboard(text)
                d.click(cx, cy)
                time.sleep(0.5)
                # 尝试粘贴
                d.press("paste")
        
        save_debug_shot("4_after_input")
        time.sleep(1.0)
        
        # 3. 发送
        if auto_send:
            # 优先使用模板匹配寻找“发送”按钮
            logger.info("尝试使用模板匹配寻找'发送'按钮...")
            tmp_screen = os.path.join(os.path.dirname(os.path.abspath(__file__)), "temp_send_check.jpg")
            d.screenshot(tmp_screen)
            
            # 使用相对路径
            template_path = os.path.join(TEMPLATE_DIR, "send.jpg")
            send_btn_pos = find_template_match(tmp_screen, template_path, threshold=0.7) # 稍微降低阈值以提高召回
            
            if send_btn_pos:
                logger.info(f"通过模板匹配找到发送按钮: {send_btn_pos}, 点击...")
                d.click(send_btn_pos[0], send_btn_pos[1])
            else:
                logger.warning("模板匹配未找到发送按钮，尝试原生控件查找...")
                if d(text="发送").exists:
                    d(text="发送").click()
                    logger.info("Clicked '发送'")
                else:
                    d.press("enter")
                    logger.info("Pressed Enter")
            
            save_debug_shot("5_after_send")
            # 清理临时文件
            if os.path.exists(tmp_screen):
                try:
                    os.remove(tmp_screen)
                except:
                    pass
        
        return True
                
    except Exception as e:
        logger.error(f"perform_input_action error: {e}")
        return False

def match_template_center(image_path, template_path, threshold=0.8):
    """
    使用 OpenCV 模板匹配寻找目标图片中心坐标
    """
    try:
        if not os.path.exists(image_path) or not os.path.exists(template_path):
            logger.error(f"Image or template not found: {image_path}, {template_path}")
            return None
            
        img = cv2.imread(image_path)
        template = cv2.imread(template_path)
        
        if img is None or template is None:
            logger.error("Failed to read image or template")
            return None
            
        # 转换为灰度图进行匹配
        img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
        
        # 模板匹配
        result = cv2.matchTemplate(img_gray, template_gray, cv2.TM_CCOEFF_NORMED)
        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
        
        if max_val >= threshold:
            h, w = template_gray.shape
            top_left = max_loc
            center_x = int(top_left[0] + w / 2)
            center_y = int(top_left[1] + h / 2)
            logger.info(f"Template matched with confidence {max_val:.2f} at ({center_x}, {center_y})")
            return (center_x, center_y)
        else:
            logger.warning(f"Template match failed. Max confidence: {max_val:.2f} < Threshold: {threshold}")
            return None
            
    except Exception as e:
        logger.error(f"match_template_center error: {e}")
        return None