Technology
零 API · 视觉闭环 · 安全可控
三层技术栈：物理层执行、视觉层校验、安全层守护。每一层都为「能落地、可信任」而设计。
① 零 API：在物理层「动键鼠」
可乐罐通过自研 HID 主控的原生 USB HID 输出，系统识别为标准键鼠。 它不依赖对方系统的任何接口，因此对「无 API、禁安装、内网隔离」的老系统天然适配。
01
模型规划把一句话任务拆成步骤02
物理输入HID 输出键鼠事件03
回读校验截屏 + OCR 确认结果04
失败重试未达成则调整重来② 视觉闭环：以「看到的」为准
盲打式自动化最大的问题是「发了指令就以为成功」。可乐罐在执行后截屏， 用像素差异判断界面是否变化、用离线 OCR 读取关键文字，确认目标真的达成，否则自动重试。
像素差异
灰度对比判断区域是否变化、等待界面稳定，避免在动画中途误判。
离线 OCR
rapidocr 本地中文识别，离线运行、不上传截图，兼顾准确与隐私。
自动重试
区分「屏幕没变」与「变了但不是预期」，选择重试或中止并告警。
③ 安全：真人优先，四层急停
自动化最大的风险是「失控」和「和用户抢设备」。可乐罐把安全做成了硬约束：
| 保护层 | 作用 |
|---|---|
| 真人优先 | 检测到用户操作键鼠即刻让路，人始终拥有最高优先级 |
| 空闲闸门 | 只有连续空闲达到阈值才允许真实 HID 操作 |
| 动作前查位 | 每次动作前确认门闩状态，异常立即拒绝 |
| 急停 disarm | 看门狗轮询 + 一键急停，任何异常立刻停止输出 |
合规叙事：我们不做「规避检测 / 破解风控」，而是「模拟真实用户、回读校验结果」——让自动化既可靠，又经得起合规审视。
想看它真机跑一遍？
我们可以远程演示它操作一个没有接口的老系统。