nodeagent

让 Mac 上的 AI 接管 Windows —— 跨机能力框架：装软件、查状态、截屏、操作键鼠、传文件，如同操作同一台电脑。

这是什么

nodeagent 把一台 Windows 机器的能力标准化成一组可授权、可审计的能力，让 Mac 上的 AI（WorkBuddy）按需调用。

它不是远程桌面，而是「能力层」：

特性	含义
结构化	每项能力都有明确的参数 schema 与返回结构，AI 无需猜命令行
可授权	零信任模式下按调用方 × 按能力精细授权，默认拒绝
可审计	谁在何时调了什么、结果如何、耗时多少，全部本地留痕
可穿透	局域网直连 / 自动发现 / 经 Hub 中转跨网段与公网
零依赖部署	被控端只需 Node.js，全部能力用原生 API 实现，无原生模块编译

能力总览

分组	能力	说明
系统	system.info · system.status · system.process.list · system.service.list · system.shell.exec · system.audit.list · system.audit.verify · system.metrics	信息 / 资源 / 进程 / 服务 / 命令 / 审计 / 防篡改校验 / 成功指标（PRD 2.2）
自持	system.agent.restart	受控重启自身（配置变更后让它生效，不会失联）
异步任务	system.task.list · system.task.get · system.task.kill	长命令后台执行 + 增量续读 + 终止（exec 加 async:true）
软件	app.list · app.install	已装软件（注册表 + winget）、winget 静默安装
屏幕	screen.info · screen.capture · screen.record · screen.find	显示器 / 截屏 / 录屏为帧序列 / 元素定位三引擎（UIA 控件树 → OCR 文字 → 图像模板）
窗口	window.list · window.focus	枚举可见窗口（精确矩形）/ 置前聚焦（Windows + macOS）
文件	fs.list · fs.stat · fs.read · fs.write	列目录 / 元信息 / 分块读 / 原子写
输入	input.mouse.move · input.mouse.click · input.mouse.scroll · input.mouse.drag · input.key.type · input.key.press	键鼠控制（🔒 默认禁用），含拖拽、字符串热键 / 预设 / 长按 / 后台定向投递
剪贴板	clip.get · clip.set	读写文本或图片（PNG Base64）
事件订阅	event.watch · event.unwatch · event.list · event.poll	文件变动 / 进程启停 / 端口开闭，主动推送（无需轮询）
GUI 等待	gui.await	等条件成立再返回（窗口/元素/进程/文件 × 出现/消失）；支持属性谓词 where 与 any_of 组合
状态采样	log.query · monitor.start · monitor.report · monitor.stop · monitor.list · monitor.delete	日志在被控端侧过滤（不上传整份）/ 定时采样落盘 + 摘要回看（断几次、最长断多久、CPU/内存值域）
审计锚定	system.audit.head · system.audit.anchor	链头可读 + 锚点追加落盘，让「有 root 者整链重写」可被发现

快捷键（hotkey）控制 —— v1.5.0

input.key.press 支持 4 种输入形式（一次只用一种）：

# ① 字符串热键（最常用；分隔符支持 + - 空格，大小写不敏感）
nodeagent --node win key press "ctrl+shift+esc"
nodeagent --node win key press "win+d"                     # 显示桌面
nodeagent --node win key press "alt+tab"                   # 切换应用

# ② 热键序列
nodeagent --node win key press "ctrl+c"                    # 老形式也兼容：key press ctrl c
nodeagent --node win invoke input.key.press --args '{"hotkeys":["ctrl+c","ctrl+v"]}'

# ③ 预设语义名（约 50 个，免记键位）
nodeagent --node win key press copy                        # = ctrl+c
nodeagent --node win key press task_manager                 # = ctrl+shift+esc
nodeagent --node win key press volume_mute_toggle           # 媒体键（走 WM_APPCOMMAND）

# ④ 老数组形式
nodeagent --node win key press ctrl c

按键覆盖：字母/数字 · F1–F24 · 左右侧修饰键（lalt/rctrl/lwin…）· 小键盘（numpad7、numpad_add…，与数字键分开——Excel 靠 NumLock 区分）· OEM 符号键（oem_plus/oem_comma/oem_period… → 支持 win+d、ctrl++、win+.）· 媒体键 · 浏览器键 · IME 键（convert/kana…）· 系统键（sleep/help…）

进阶参数：

参数	说明
hold_ms	长按：按下后保持 N 毫秒再释放（≤5000）
route=post + target_pid	后台定向投递：向目标进程全部顶层窗口 PostMessage（目标窗口被遮挡/最小化时用）。⚠️ 游戏与部分输入型程序不响应后台键消息
target_pid（默认路由）	媒体键定向（播放器常建 30+ 辅助窗口，指定 PID 投给该进程全部顶层窗口）

预设速查（完整表见 packages/protocol/src/hotkeys.ts 的 HOTKEY_PRESETS）：

类别	预设名
编辑	copy cut paste paste_plain undo redo select_all
文件	save save_as new open close_tab print
窗口	switch_app task_view task_manager show_desktop minimize_all maximize snap_left snap_right rename properties
系统	lock_screen run explorer search settings clipboard_history emoji_picker screenshot
虚拟桌面	new_desktop desktop_left desktop_right
标签/视图	new_tab next_tab reopen_tab zoom_in zoom_out fullscreen
媒体	music_play_pause music_next music_prev volume_add volume_mute_toggle

MCP 侧同名工具为 na_key（action: "press"），支持同一套参数。

等待条件 gui.await —— v1.6.0

GUI 操作从「按一下→睡几秒→截图碰运气」变成可断言流程：

# 等界面元素出现（最多 30s）
nodeagent --node win invoke gui.await --args '{"condition":"control","text":"完成","timeout_ms":30000}'
# 等它消失
nodeagent --node win invoke gui.await --args '{"condition":"control","text":"安装中","state":"absent"}'
# 等窗口 / 进程 / 文件
nodeagent --node win invoke gui.await --args '{"condition":"window","title":"安装程序","timeout_ms":10000}'
nodeagent --node win invoke gui.await --args '{"condition":"process","process":"setup.exe"}'
nodeagent --node win invoke gui.await --args '{"condition":"file","path":"C:\\log.txt"}'

四类条件各自复用 window.list / screen.find / process.list / fs.stat， 平台行为（Windows UIA/OCR、macOS Vision OCR）与那些能力完全一致，只读低危。 轮询期单次异常不视为失败（启动中的程序常短暂报错），超时未命中才带回 last_error。

典型闭环：await control(text:"立即安装") → mouse.click(x, y) → await control(text:"完成", timeout_ms:60000) → click → await absent(text:"安装中")。

属性谓词与组合（v2.0.0）

screen.find 现在返回 UIA 属性，gui.await 可据此等状态而不只是「出现」：

# 等一个「可用」的按钮（不指定文字）
nodeagent --node win await --condition control --where '{"enabled":true}'
# 等值里含「已」的元素
nodeagent --node win await --condition control --where '{"value":"*已*"}' --timeout 15000
# 组合：装成功 或 报错，先出现的算
nodeagent --node win await --any_of '[{"condition":"window","title":"安装完成"},{"condition":"control","text":"错误"}]'

属性	来源	拿不到时
enabled	IsEnabled	—
value	ValuePattern	null（不猜）
selected	SelectionItemPattern	null
toggle	TogglePattern	null

属性只在 UIA 引擎下可读（Windows）。走 OCR/图像模板时 where 被忽略并带回 note， 不会让调用方误以为「按属性过滤过了」。macOS 无 UIA 等价物，where 不可用（会明确报错提示用 text）。

---

状态采样：日志过滤与定时采样 —— v2.0.0

治间歇性问题（代理不通、杀软拦截、端口时开时闭）—— system.status 只能看当下快照， 而 event.watch 只解决「有事件时通知」，没有「持续记录并回看」。

# 日志在被控端侧过滤，只回匹配行（几万行日志也不整份拉回）
nodeagent --node win log --path "C:\app\app.log" --level ERROR --limit 20
nodeagent --node win log --path "C:\app\app.log" --pattern "timeout|refused" --tail

# 连续采样 5 分钟，事后回看「断过几次、最长断多久」
nodeagent --node win invoke monitor.start --args '{"source":"port","target":"127.0.0.1:8765","interval_ms":2000,"id":"probe"}'
nodeagent --node win monitor report probe
nodeagent --node win monitor stop probe

采样源四类：port（连通性 + 延迟）/ process（存活 + PID）/ command（退出码 + 首行输出）/ metric（CPU·内存）。样本落 <数据目录>/monitors/<id>.jsonl，摘要直接给结论。

---

审计链外部锚定 —— v2.0.0

链内哈希只能发现「改一条」。有 root 的攻击者可以整链重写 —— 从零重建一份自洽的假日志， audit.verify 照样通过。外部锚定是唯一能戳破它的手段：把链头记到链外。

nodeagent --node win audit head --compare           # 看链头 + 与最近锚点比对
nodeagent --node win audit anchor --note "每日例行"   # 追加一个锚点

锚点记四元组 {entries, head_hash, head_ts, rotated_segments}，不能只记哈希 —— 日志轮转会丢弃最旧段使条目数下降，只比哈希会把轮转误判成篡改。 锚点文件只追加（可覆盖的话，攻击者重写链后再刷新锚点即可抹痕）。

真正发挥价值的前提：把锚点文件指向另一台机器 / 网盘同步目录。 本机文件被整盘重写时，锚点也随之消失 —— 那就等于没锚。

51 项能力 · 41 个 MCP 工具 · 269 项单元测试 · 30 项端到端用例 · 3 项 Rust 壳单测（真跑 Node sidecar）（CI 在真实 Windows / Linux runner 上验证）

关键里程碑：GUI 语义（window.list + screen.find，UIA 找不到自动降级 OCR） 让 AI 从「看得到画面但读不懂界面」变成「按名字取坐标点下去」。

快速开始

0. 构建

pnpm install
pnpm build          # 全部 workspace（protocol/client/agent/cli/mcp/hub + 桌面控制台前端）
pnpm test:unit      # 单元测试（协议纯函数 / 清单守护 / 编码脚本守卫 / 契约守卫）
pnpm test:e2e       # 端到端（起真实被控端跑全链路）
pnpm test:rust      # Rust 控制端客户端（需 cargo）

桌面控制台是 Tauri 应用，打包需另进目录：cd apps/console && pnpm tauri build。 仅前端产物则 pnpm build 已覆盖。

1. Windows 侧（被控端）

方式 A：安装包（推荐，免装 Node.js）

1. 在控制端构建安装包（需在项目目录执行）：

   cd <项目目录>            # 例如 ~/projects/nodeagent
   pnpm pack:win
   
   # 或从任意目录调用：
   node <项目目录>/scripts/pack.mjs
   

   产物：release/nodeagent-win-x64.zip（约 32MB）

2. 把 zip 拷到 Windows 并解压到固定目录（如 D:\nodeagent，装完不要移动或改名）

3. 双击 install.cmd —— 会自动弹 UAC 提权，然后一路装完并打印连接信息

不需要记任何命令行。install.cmd 会自己提权、自己读包内 PSK.txt 的密钥（没有就生成一把）， 再调用底层的 install.ps1。日后管理双击 control.cmd（启动 / 停止 / 重启 / 状态 / 日志 / 卸载）。

安装脚本会使用包内自带的 Node.js 运行时，自动：读/生成预共享密钥 → 写配置 → 放行防火墙 → 注册开机自启 → 启动 Agent，并打印密钥与连接命令。

需要指定端口 / 无人值守模式？展开命令行用法

# 指定端口（默认 8765）
install.cmd 18770

# 等价的底层调用（install.cmd 就是这行 + 提权 + 读 PSK）
powershell -ExecutionPolicy Bypass -File .\install.ps1 -NodeId my-pc -Key <PSK> -AllowInput

# 无人值守：注销/重启后仍运行，但**没有 GUI**（Session 0 无桌面）
powershell -ExecutionPolicy Bypass -File .\install.ps1 -Unattended -AtStartup

两种运行模式（重要）

模式	命令	登录/注销	能力范围
交互（默认）	install.cmd	登录时启动；注销即停	全部能力，含 GUI（截屏 / UIA 找元素 / 键鼠注入）
无人值守	install.ps1 -Unattended -AtStartup	注销、重启后仍运行（S4U，无需存密码）	无 GUI —— 截屏/输入类能力不可用（进程在非交互会话，没有桌面）

这是 Windows 的固有限制：图形操作必须有交互桌面。需要 GUI 就保持登录（可锁屏）； 只需跑命令/传文件/查状态这类无人值守场景，用 -Unattended 更稳。

方式 B：开发模式（本仓库）

powershell -ExecutionPolicy Bypass -File .\scripts\install.ps1

2. Mac 侧（控制端）

Mac 作为控制端，不需要上面的 Windows 安装包；只需本机 Node.js 22+（brew install node）。

方式 A：装成全局命令（推荐，随处可用）

cd <项目目录>
pnpm pack:mac                        # 打包为单文件（约 1MB，免 node_modules）
bash scripts/install-macos.sh        # 安装到 ~/.local/bin 并打印 MCP 配置

装好后命令行直接可用：

nodeagent discover --wait 5          # 局域网内有哪些 Windows（免手抄 IP）
nodeagent connect 192.168.1.100 --key <密钥> --insecure --name win_a
nodeagent info

方式 B：仓库内直接调用（开发调试）

node apps/cli/dist/index.js discover --wait 5
node apps/cli/dist/index.js info

常用命令

nodeagent info | status | ps | services              # 系统与资源
nodeagent exec "Get-Service Spooler"                 # 执行命令
nodeagent install Microsoft.VisualStudioCode         # 装软件
nodeagent apps                                       # 已安装软件
nodeagent screen                                     # 显示器信息
nodeagent screenshot --out s.jpg --scale 0.5         # 截屏
nodeagent ls "C:\Users\me\Desktop" --recursive       # 列目录
nodeagent pull "C:\big.iso" --out ./big.iso          # 下载（大文件自动分块）

完整命令见下方「命令速查」。

3. 接入 AI（MCP）

在 ~/.workbuddy/mcp.json 中加入：

{
  "mcpServers": {
    "nodeagent": {
      "command": "node",
      "args": ["/绝对路径/nodeagent/apps/mcp/dist/index.js"]
    }
  }
}

之后即可用自然语言调度，例如：

• 「看看 Windows 内存够不够」
• 「Windows 上装个 VSCode」
• 「截个图看看当前画面」
• 「最近谁在操作这台 Windows」

架构

                    ┌──────────────────────────────────────────┐
                    │  控制端 (macOS / Windows)                │
                    │  ① 桌面控制台（Tauri 2）  ② CLI  ③ MCP   │
                    └──────────────────────────────────────────┘
                                        │
                         JSON-RPC 2.0 over WebSocket
                                        │
                    ┌──────────────────────────────────────────┐
                    │  被控端 Agent（Windows 常驻 / 开机自启）   │
                    │  同时也是「本地被控端」，供本机控制台直连   │
                    └──────────────────────────────────────────┘
         └──────────── 三种链路可选 ──────────────────────┘
          ① 局域网直连     ② UDP 广播自动发现     ③ Hub 中转（跨网段/公网）

层	内容
协议	JSON-RPC 2.0 over WebSocket，握手 hello → challenge → auth → auth_ok
鉴权	psk（HMAC 挑战-应答，默认）或 ed25519（签名挑战-应答）
授权	能力级 ACL：deny → allow → 默认拒绝
审计	JSONL 落盘 + 轮转 + 参数脱敏 + 查询能力
传输	TLS（自签证书可用 --insecure 跳过校验，鉴权另有保障）

桌面控制台（Tauri 2）

apps/console —— 跨端图形控制台，主控与被控一体：本机也可作为被控端， 由控制台经 loopback 直连（复用同一个 Agent，不做第二套被控端实现）。

技术栈 Tauri 2（Rust 壳 + 系统 WebView）+ Vue 3 + TypeScript + Pinia + Naive UI。 协议客户端由 Node sidecar（apps/console/sidecar/）承担（复用 @nodeagent/client， Tauri 侧经 Cargo path 依赖），不引入第二套协议实现。

打开即用、全程不碰命令行：应用自带 Node 运行时与被控端脚本， 默认页面就是「本机服务」——点按钮即可启动 / 停止 / 重启本机被控端， 并支持检查更新、查看日志、后台常驻（托盘）、开机自启。

界面：导航为纯文字（不使用图标）；配色为两套中性灰阶主题 —— 「简约白」与「高级灰」，侧栏底部一键切换。

页面	能力
本机服务（默认）	本机被控端启停/重启、连接本机、节点 ID 与密钥、开机自启、后台运行、异常自动重启、检查并应用更新
服务日志	被控端 stdout/stderr 实时推送、关键字过滤、暂停接收、导出、清空
设备管理	连接/断开、保存多台设备、能力清单与握手元信息、实时日志
状态总览	CPU / 内存 / 磁盘 / 网卡，3s 轮询
终端	system.shell.exec（可设超时）、历史回放
进程与服务	进程表（CPU/内存/已运行）+ Windows 服务表
软件	app.list / app.install（winget 静默安装，超时放大到 10 分钟）
文件	浏览 / 预览 / 写入（走分块能力，天然支持大文件）
审计	system.audit.list 筛选 + system.audit.verify 链完整性校验 + 导出 JSONL

pnpm -r build                             # 含 console 前端
cd apps/console && pnpm tauri dev         # 开发态（起 Vite + Tauri 窗口）
pnpm --filter nodeagent-console bundle    # 打包（含 sidecar + Node 运行时 + 被控端脚本）
#   macOS 实测：.app 92.2 MiB ／ .dmg 33.78 MiB（分发件，其中 Node 运行时 86MB）

Windows 版由 CI 产出（.github/workflows/console-windows.yml），双架构各一套：

架构	runner	安装包	实测体积
x64	windows-latest	.msi（企业批量部署）+ -setup.exe（NSIS，双击安装）	34.2 MiB / 23.2 MiB
arm64	windows-11-arm	-setup.exe（NSIS）	19.5 MiB

为什么必须两套：控制台内含 Node 运行时，且要用它托起本机被控端（即自己就是 TLS 服务端）。 若在 ARM Windows 上装到 x64 的运行时，会能启动、能监听，但 TLS 握手不完成 —— 客户端只见超时，且开发机上 100% 复现不出。CI 里为此加了三道断言： 「构建机架构 ⇄ 目标架构」、「随包 node.exe 的 PE Machine」、 以及解开安装包查内容（三样随包资源齐全 + 包内 node.exe 的 PE Machine 对得上 —— 前两条查的是打包前的中间产物，这一条查的才是最终交付物； 实测解出 x64 node.exe 82.9 MB / 0x8664、arm64 73.5 MB / 0xaa64）。

控制台安装包目前只作为 CI artifact 产出，尚未接入 scripts/release.mjs 随 Release 发布。

⚠️ 平台差异：app.* 与 system.service.list 仅在被控端为 Windows 时可用， 非 Windows 被控端会返回 E_UNSUPPORTED_PLATFORM。控制台连接后会探测 system.info.os 并事前禁用这些入口，而不是发出注定失败的请求。

⚠️ 控制台已自带 Node 运行时与被控端脚本，目标机器无需预装 Node.js，也无需先手工安装被控端； 但开机自启与被控端的图形能力要求运行在登录用户会话中（Windows 计划任务用 Interactive + 登录用户；SYSTEM 会话 0 没有交互桌面，截图/窗口类能力会失败）。

安全模型

三层防护，逐层收窄权限：

层	机制	解决什么
认证	psk / ed25519 挑战-应答	只有持有凭据的人能接入
授权	能力级 ACL（默认拒绝）、allow_input 高危开关	接入了也不代表什么都能做
审计	操作留痕 + 调用限速	做过什么可追溯、异常频率可拦截

启用零信任（Ed25519 + ACL）

# 1. Mac 侧生成密钥对（私钥 600 权限落盘，永不外传），并打印被控端 ACL 片段
node apps/cli/dist/index.js keygen --id mac_01

# 2. 把打印的片段加入被控端 agent.json 的 acl.clients，并设 "auth_mode": "ed25519"
#    { "client_id": "mac_01", "pubkey": "...", "allow": ["system.*", "screen.*"], "deny": ["input.*"] }

# 3. 以零信任模式连接（无需预共享密钥）
node apps/cli/dist/index.js connect 192.168.1.100 --port 8765 --auth-mode ed25519 --insecure

握手后 CLI 会展示授权矩阵（🟢 已授权 / 🚫 未授权），调用未授权能力返回 E_ACL_DENIED。

其他安全默认

• 输入控制（键鼠）默认禁用，需被控端显式 "allow_input": true
• 私钥不落明文：macOS 存 Keychain、Windows 存 DPAPI（老版本明文密钥首次加载自动迁移）
• 审计日志链式哈希（prev/hash），nodeagent audit verify 可检出篡改与删除
• ACL 支持 IP 白/黑名单（CIDR）、生效时段（含跨零点）、按能力限速（精确 > glob > 全局）
• input.*（键鼠控制）默认禁用，需被控端 "allow_input": true 或 install.ps1 -AllowInput
• 键盘文本经 Base64 传参、PowerShell 侧解码，杜绝内容注入；按键名走白名单映射
• 文件能力支持 fs_roots 路径白名单，越界返回 E_ACL_DENIED
• 私钥 / 预共享密钥不明文外传、不写日志；审计中敏感字段自动替换为 ***

命令速查

连接与设备

nodeagent discover --wait 5                        # 局域网发现（UDP 广播）
nodeagent connect <host> --key <K> --name win_a    # 连接并命名（自签证书加 --insecure）
nodeagent nodes                                    # 列出设备（● 标记当前）
nodeagent use win_a                                # 切换默认设备
nodeagent remove win_a                             # 移除设备
nodeagent info --node win_b                        # 临时指定目标（不改 current）

系统与软件

nodeagent info | status | ps [--limit 20] | services [--limit 20]
nodeagent exec "<命令>"                             # 执行命令，返回退出码与输出
nodeagent apps                                      # 已安装软件
nodeagent install <包名|ID>                          # winget 静默安装
nodeagent list                                      # 被控端能力清单（含授权矩阵）

图形与文件

nodeagent screen                                    # 显示器信息
nodeagent screenshot --out s.jpg [--scale 0.5] [--region x,y,w,h]
nodeagent mouse move <x> <y> [--duration 300]
nodeagent mouse click [<x> <y>] [--button left|right|middle]
nodeagent key type "<文本>" | key press ctrl c

nodeagent ls <远端路径> [--recursive] [--pattern "*.log"]
nodeagent stat <远端路径> | cat <远端路径> [--out 本地文件]
nodeagent pull <远端路径> [--out 本地文件]           # 下载（自动分块 + 原子落盘）
nodeagent push <本地文件> <远端路径> [--create-dirs]  # 上传（自动分块）

审计与密钥

nodeagent audit [--limit 20] [--type invoke|auth|acl|agent] [--client-id X] [--since <ms>]
nodeagent audit verify                              # 校验审计链完整性（防篡改检测）
nodeagent metrics [--since <ms>]                    # 成功指标：闭环率/装软件率/P95/拦截率
nodeagent keygen [--id mac_01]                      # 生成 Ed25519 密钥 + ACL 配置片段（私钥入系统钥匙串）

自持与运维

nodeagent restart [--delay 2000]                    # 受控重启被控端（配置变更后让它生效）
nodeagent deploy <agent.mjs> [--path <远端路径>]     # 一键升级（备份 → 上传 → 重启 → 复验）
nodeagent daemon [start|stop|status]                # 常驻连接池（批量操作省去每次握手）
nodeagent fanout <能力名> [--nodes a,b] [--args JSON] # 多设备并发下发并汇总

长任务与剪贴板

nodeagent bg "<命令>" [--timeout-ms N]               # 后台执行，立即返回 task_id
nodeagent tasks | nodeagent task <id> [--offset N] [--kill]   # 列出 / 增量读 / 终止
nodeagent clip [--set "文本"] [--out <路径>] [--image-file <路径>]  # 剪贴板文本或图片
nodeagent record [--duration 5000] [--fps 2] [--region x,y,w,h]     # 录屏为帧序列

事件订阅与宏

nodeagent events --kind file --path C:\logs --seconds 20   # 实时接收文件变动推送（CLI 直连推送）
nodeagent events --kind process --pattern chrome*            # 进程启停
nodeagent events                                              # 列出当前订阅
nodeagent macro init demo.json                               # 生成示例宏
nodeagent macro run demo.json --var STAMP=hello               # 回放（逐步校验）
nodeagent macro validate demo.json                            # 仅校验文件
nodeagent group add 办公机 win_a,win_b                        # 设备分组
nodeagent fanout system.info --nodes @办公机                  # 按组并发下发

GUI 语义（三条腿：控件树 / 文字 / 图像）

nodeagent screen find "确定"                        # UIA → OCR 自动降级
nodeagent screen find "登录" --method ocr --wait-ms 5000   # 等界面加载出来
nodeagent screen find "" --method image --template C:\icons\save.png --threshold 0.9
                                                    # 纯图标控件：按图找坐标

nodeagent invoke window.list --args '{"title_pattern":"记事本"}'
nodeagent invoke window.focus --args '{"title":"记事本"}'
nodeagent invoke screen.find --args '{"text":"一键加速","method":"auto"}'  # UIA → OCR 兜底
nodeagent mouse drag 300 200 700 500                # 拖拽（拖文件/框选）

MCP 工具

工具	说明
na_system_info · na_status · na_process_list · na_service_list	系统信息与状态
na_exec · na_bg · na_task	执行命令、后台长任务（启动/续读/终止）
na_install · na_app_list	装软件、列软件
na_screenshot · na_record	截屏（直接返回图片给 AI 看）、录屏为帧序列
na_window_list · na_window_focus · na_screen_find	GUI 语义：列窗口 / 聚焦 / 按名字取坐标（UIA+OCR）
na_mouse · na_key	键鼠控制（含拖拽、按键序列；需被控端开启）
na_clip	读写剪贴板文本或图片
na_fs_list · na_fs_read · na_fs_write · na_fs_stat	读目录 / 读文件 / 写文件 / 元信息
na_restart	受控重启被控端
na_audit · na_discover · na_nodes · na_use	查审计、发现设备、多设备切换
na_event_watch · na_event_poll · na_event_list · na_event_unwatch	事件订阅；notify:true 走 MCP 日志通知实时推送，否则用 na_event_poll 拉取
na_macro_run	回放 GUI 宏（步骤序列，逐步校验）
na_metrics	成功指标（闭环率 / 装软件率 / P95 / 拦截率）+ 达标判定

Hub 中转（跨网段 / 公网）

被控端与 Mac 不在同一局域网时，用 Hub 中转：

Mac ──► Hub（VPS / 公网）──► Windows（NAT 后也可）
           ↑ 只透传，不解密

# 1) VPS 上启动 Hub（首次启动自动生成令牌，存于 ~/.nodeagent/hub.json）
node apps/hub/dist/index.js

# 2) 被控端 agent.json 增加 —— agent 会主动外连注册，免公网 IP、免入站放行
#    "hub": { "enabled": true, "url": "wss://hub.example.com/hub/agent", "token": "<Hub 令牌>" }

# 3) Mac 侧经 Hub 接入
node apps/cli/dist/index.js connect hub.example.com --port 443 --hub-token <Hub 令牌> \
     --hub-node win_01 --key <设备密钥> --name win_01

并发多控制端：Hub 为每个被控端维护槽位池（max_slots_per_node，默认 3）， 被控端侧常备 2 条连接（hub.warm_slots）并在被占用时自动扩容 —— 因此 「AI + 人同时在线」不再互斥（旧版是独占，会返回 E_NODE_BUSY）。

Hub 侧访问控制（v12）：可配置多令牌，每个令牌独立指定能访问哪些设备：

{
  "token": "<主令牌，放行全部>",
  "node_allowlist": ["win_*"],
  "tokens": [
    { "value": "ci-token",    "name": "ci",    "allow_nodes": ["win_build_*"] },
    { "value": "guest-token", "name": "guest", "allow_nodes": ["*"], "deny_nodes": ["win_prod"] },
    { "value": "roll-*",      "name": "rolling", "allow_nodes": ["win_a"] }
  ]
}

• 判定顺序 deny → allow → 默认拒绝；node_allowlist 非空时只有匹配的 node_id 能注册
• value 以 * 结尾表示前缀匹配（便于令牌轮换期间灰度）
• 设备列表按身份过滤（控制端只看得到自己被授权的设备），越权接入返回 E_NODE_FORBIDDEN
• 职责边界：Hub 只做「能否连到某设备」的接入过滤；连上之后的能力级授权 仍由被控端 ACL 按 client_id 裁决 —— 两层独立，Hub 不参与能力决策

安全边界：Hub 只做字节透传，不解析内容、不持有设备密钥 —— 控制端与被控端之间仍执行端到端握手，因此 Hub 无法窃听也无法伪造（Hub 被攻陷也不等于设备被接管）。生产环境建议在 Hub 前挂 Caddy / Nginx 终止 TLS。

开发

pnpm build        # 构建全部包
pnpm typecheck    # 类型检查
pnpm test:unit    # 单元测试（114 项：协议纯函数 / 清单守护 / 审计链 / ACL / 宏引擎 / 分组 / Hub 授权 / 指标 / 助手与预加载段）
pnpm test:e2e     # 端到端测试（21 项，含 TLS / 零信任 / 发现 / 文件 / Hub）
pnpm test:windows # Windows 专属能力（服务 / 软件 / winget 真实装软件）
pnpm verify       # 对已配置的被控端跑全套验收并输出报告
node scripts/verify-mcp-events.mjs   # 验证 MCP 事件双通路（推送 + 拉取）

三层自动化真机验证

无需手工点测：

层次	方式	覆盖
CI（推荐）	GitHub Actions windows-latest	真实 Windows 上跑协议 E2E、专属能力（Get-Service / 注册表 / winget 装软件）、install.ps1 链路、install.cmd/control.cmd 双击链路、Windows PowerShell 5.1 解析守卫、CLI 连入、MCP 工具列表
远程验收	node scripts/verify.mjs --host <IP> --key <密钥> [--insecure]	逐条验收并输出终端报告（--report report.md）
本地测试	pnpm test:e2e / pnpm test:windows	单机自举：本机起 Agent 当被控端自测

工作流见 .github/workflows/windows-e2e.yml，push 到 main 或手动触发即运行。

# 对自己真实的 Windows 机器验收（含真实装软件）
node scripts/verify.mjs --host 192.168.1.100 --port 8765 --key <密钥> --insecure \
     --with-install jqlang.jq --report verify-report.md

成本：②③ 完全免费（本机运行）；① 走 GitHub Actions 免费额度 —— 单次约 5 分钟，按 Windows 2x 计约 10 计费分钟，Free 账户每月约可跑 200 次。默认支出限额为 $0，额度用尽只会停跑、不会自动扣费。

工程结构

nodeagent/
├── packages/
│   ├── protocol/          # 协议定义：信封 / 方法 / 错误码 / 能力 schema / 校验 / HMAC / Ed25519 / ACL
│   └── client/            # 控制端库：连接、握手、调用、超时、重连、密钥、发现
├── apps/
│   ├── agent/             # Windows 被控端：监听或 Hub 外连、认证、授权、审计、能力分发
│   ├── hub/               # 中转节点：设备注册、控制端配对、字节透传（跨网段/公网）
│   ├── cli/               # macOS 控制端 CLI
│   └── mcp/               # MCP server（接入 WorkBuddy）
├── scripts/               # install.cmd / control.cmd（一键入口）/ install.ps1 / control.ps1 / verify.mjs
├── tests/e2e/             # 端到端测试
├── docs/                  # 开发文档
├── docs/                  # 项目文档（含 PRD）
└── README.md

路线图

下表「批次」是开发阶段的内部代号（一批相关改动的集合），不是版本号 —— 项目的唯一版本号是 semver（见 git tag / package.json）。批次与发布版本的对应关系 及书写规范见 docs/VERSIONING.md §0。

阶段（开发批次）	目标	状态
批次 1	命令级接管 + 装软件 + 查状态 + 基本鉴权 + CLI + MCP	✅
批次 2	图形接管（screen.* 截屏 + input.* 键鼠）+ 输入控制开关	✅
批次 3	零信任：Ed25519 身份认证 + 能力级 ACL	✅
批次 3+	审计日志（留痕 + 查询）+ 调用限速	✅
批次 4	无感体验：局域网自动发现 + 断线自动重连	✅
批次 5	多设备管理 + 文件传输（分块 / 大文件 / 原子写）	✅
批次 6	Hub 中转：跨网段 / 公网接入（被控端主动外连，穿 NAT）	✅
批次 7	自持：受控重启（配置变更后让自身生效，不再丢连接）	✅
批次 8	GUI 语义：window.list / window.focus / screen.find（UIA 按名取坐标）	✅
批次 9	screen.find OCR 兜底（自绘 UI 也能定位）+ MCP 工具同步	✅
批次 10	长任务异步化（system.task.*）+ 剪贴板 + CLI 常驻连接池 daemon	✅
批次 11	安全加固：私钥入系统密钥库（Keychain/DPAPI）+ 审计链防篡改 + ACL 细化（IP/时段/按能力限速）	✅
批次 11+	操作面补完：鼠标拖拽 / 录屏 / 剪贴板图片 / 多设备并发 / 一键升级	✅
批次 12	事件订阅（file/process/net 主动推送）+ GUI 宏（步骤序列回放）+ Hub 并发多控制端 + 设备分组	✅
批次 12.1	Hub 侧按控制端授权（多令牌 + 按设备白/黑名单 + 注册准入）	✅
批次 12.2	GUI 等待/重试语义（wait_ms）—— 界面加载/动画不再假失败	✅
批次 12.3	macOS 端 GUI 对齐：AppleScript 窗口枚举/聚焦 + Vision OCR 元素定位（含 Retina 坐标换算）	✅
批次 12.4	事件直达 MCP 宿主（实时推送 + 拉取双通路）	✅
批次 13	成功指标聚合（PRD 2.2 四项）+ 依真实数据修正口径（时延分层）	✅
批次 14	PowerShell 常驻助手 —— GUI 能力提速 4~25 倍（预加载 C#/UIA，免每次现编译）	✅
批次 15	screen.find 图像模板匹配（纯图标/无文字控件盲区）+ 一堆真机根因修复	✅
批次 16 ~ 26	网络两阶段提交 · 音频控制 · 构建指纹 · 自更新 · 证书钉住 · 每客户端 PSK · 连接层三防护 · 零信任安装 · 审计锚定	✅
批次 27 ~ 29	语义可断言（gui.await + UIA 属性 + where 谓词 + any_of）· 状态可回看（log.query + monitor.*）	✅
发布	v2.0.2（2026-10-11）：51 项能力 · 274 单测 · Windows/Rust CI 全绿 —— 本版为资产修复（v2.0.1 的 arm64 包内实为 x64 node，详见 CHANGELOG）	✅ 已发布

文档

• docs/SECURITY.md —— 安全模型与加固指南（钥匙=root、证书指纹钉住、网段白名单、应急处置）

• docs/VERSIONING.md —— 版本与兼容性契约（升级顺序、什么算破坏性、发版流程、更新方式）

• docs/REMOTE-LIMITS.md —— 远程能力边界与真实故障案例（含杀软误拦）

• docs/DEPLOY-LINUX.md —— Linux 被控端部署（Debian/Ubuntu/NAS 系统；含实测能力清单与排查）

• docs/VM-VERIFICATION.md —— 无 Windows 真机时，用宿主虚拟化平台的 Win11 ARM 虚拟机补验证（含逐条命令与结论标注规则）

• CHANGELOG.md —— 变更日志（未发布版本的内容汇总 / 历史版本）

• docs/ROADMAP.md —— 当前进度盘点与下一步路线（2026-10-07 基线：待办收尾 / 语义可断言 / 状态采样 / 安全残余）

• 产品需求文档（PRD）

• 开发文档（DEVELOPMENT） —— 协议细节、能力 schema、安全模型、各端实现指南

• 跨机接管的边界与局限 —— 哪些问题能远程修、哪些必须人工，附真实故障诊断案例

• 实战复盘：短板与改进优先级 —— 基于真机使用的短板分析（GUI 语义 / 编码 / 自愈 / 可观测性）。写于 2026-09-28（19 项能力时），多数 P0/P1 已解决 —— 最新状态见 ROADMAP §3 对照表

关键决策

决策点	结论
拓扑	局域网点对点直连为主；跨网段时经 Hub 中转（Hub 仅透传，端到端安全不受影响）
安全演进	先简化（预共享密钥 + HMAC）→ 后强化（Ed25519 + 能力级 ACL + 审计）
AI 接入	核心能力 → CLI（调试底座）→ MCP（AI 落点）
装软件	优先 winget 静默安装
Windows 部署	一键 install.cmd（双击即装，自提权）+ 开机自启；control.cmd 管理
依赖策略	被控端零原生编译；能力全部基于系统原生 API 实现