加 plan.md：工程计划（含 ass 粗渲染与聊天拍照的新方向）

plan.md

@@ -0,0 +1,394 @@
+# mcfold 工程计划
+
+> 最后更新：2026-09-26
+> 状态标记：✅ 已完成 · 🔄 进行中 · ⬜ 未开始 · ⚠️ 有已知缺口
+
+---
+
+## 0. 目标（用户定向，按时间顺序）
+
+1. **照相机式渲染**：给一个世界（存档数据 / 服务端），渲染出图。
+   - 用户原话（2026-09-25）：「不起完整客户端」——抽出 MC 的**渲染能力**，
+     喂我们自己的数据。
+   - 用户纠正：「**不写 mod**，而不是**不用 mod 加载器**」⇒ 用加载器（
+     让真实 mod / Iris 光影能工作），但不写自己的 mod。
+2. **架构分层**（用户 2026-09-26 明确定调）：
+   > jar 部分封装为统一的接口，非通用数据通过 extern 参数传入。
+   > jar 端接受**操作意图**，输出**包**，python 再将包发送到服务端。
+   > python 相当于只是包装，让 agent 可以通过统一的接口调用。
+   > 同时不要忘了**版本隔离**。同一个版本应当可以存在**多个实例**（因为要装不同的 mod）。
+3. **范围**（用户 2026-09-26 明确限定）：
+   > 我们只是为了**渲染**以及**与服务端的 mod 物品交互**。
+   ⇒ 不做完整客户端、不做玩法、不做移动/战斗。
+4. **HUD 不显示**（用户 2026-09-26）：截图只关心画面，HUD 是噪声，
+   而且它给 `distinctColors` 掺固定像素（污染判据）。
+   ⇒ 走官方选项 `options.hideGui`（= 游戏里 F1）。
+
+---
+
+## 1. 用户设想的场景（2026-09-26，本计划的新方向）
+
+> 我设想的场景是玩家可以在聊天框给 agent 发消息，然后比如让 agent 给他**拍照**，
+> 如果是他和某个景物的**合照**，agent 可以先通过 **ass 粗渲染**，找好角度
+> 再去**渲染实图**。
+
+拆成可执行的三段：
+
+```
+① 玩家在聊天框发消息        → agent 通过统一接口收到
+② agent 要"给玩家拍合照"     → 需要：玩家位置/朝向 + 景物位置 + 相机可摆放范围
+③ 选角度                    → 用 **ass 粗渲染**（低成本、快）试若干机位，
+                              挑一个好的，再用**真渲染**出图
+```
+
+### ★ ass 粗渲染是什么（这里是关键设计点）
+
+「ass」= **ASCII / 低保真近似**（用户 2026-09-26 提出）。
+它要能回答「这个角度拍出来大概是什么样」，但**不启动 MC**：
+
+- **不是**把真渲染结果降采样 —— 那还是要跑 MC，没省。
+- **是**用一个**纯数据的近似模型**：从方块数据直接推
+  「视线方向上有哪些方块、遮挡关系、大致明暗」，
+  在文本/低分辨率网格上画出来。
+
+**为什么它值得做**（三个具体收益）：
+
+1. **试错便宜**：一次真渲染要起 JVM（~20-40s），粗渲染是毫秒级
+   ⇒ agent 可以试几十个机位，只把最好的那一个送进真渲染。
+2. **给 agent 可读的中间结果**：ASCII 图能被 LLM 直接「看」和理解，
+   而 PNG 需要多模态输入。agent 可以在文本空间里推理"该往哪挪"。
+3. **失败模式友好**：机位选错时，粗渲染已经暴露（比如"镜头埋在地里"、
+   "景物被树挡住"），不用浪费一次完整渲染。
+
+### mineflayer 的参考价值（用户 2026-09-26 点名）
+
+> 记得参考 mineflayer 的实现，我觉得它对于**行为触发条件**与**展示方式**
+> 以及 **ass 粗略绘图**的形式很优秀。
+
+mineflayer 相关能力（本机已有：`/home/newqqagent/mcbridge/node/node_modules/mineflayer`）：
+
+| mineflayer 的做法 | 对我们的启发 |
+|---|---|
+| **事件驱动**：`bot.on('chat')` / `'entitySpawn'` / `'physicsTick'` | 行为触发条件：聊天消息 → 意图识别 → 动作（拍照）|
+| **`bot.chat()` / `bot.entity.position`** | agent 拿到玩家位置/朝向；回复走聊天 |
+| **`prismarine-viewer`**：三种视角（first_person / third_person / fixed）| ★ 相机摆放的**现成语义**：合照 = third_person + 朝向景物 |
+| **`.saveScreenshot()`** | 截图接口的形态 |
+| **blockAt / findBlock / raycast** | ★ **粗渲染的核心原语**：从方块数据做视线求交，算遮挡 |
+| **minecraft-data**：权威方块/物品数据 | 服务端交互的注册表来源之一 |
+
+**⚠️ 但要注意 mineflayer 与我们的根本差别**：
+mineflayer 是**真连服务端**、有完整世界状态；
+我们是**离屏渲染 + 自喂数据**。所以它的**行为触发条件**能直接借鉴，
+而**世界访问**要走我们自己的数据通路（存档 / 服务端注入）。
+
+---
+
+## 2. 已完成（可复用，有提交）
+
+### 2.1 渲染桥（P8/P9）
+
+- `pg2srg.py`：ProGuard → SRG 映射转换
+- `client-named.jar`：官方 jar 反混淆产物
+- 官方初始化序列（反编译确认）：`tryDetectVersion` → `enableDataFixerOptimizations`
+  → `Bootstrap.bootStrap()` → `initRenderThread` → `beginInitialization`
+  → `new Minecraft(cfg)` → `finishInitialization`（**不跑主循环**）
+- 单帧渲染：`clear` → `bindWrite` → `gameRenderer.render` → `unbindWrite`
+  → `blitToScreen` → `updateDisplay`
+
+### 2.2 架构（用户定调的落地）
+
+- **Python 只做路由**：0 处 `net.minecraft` 引用（实测）
+- **差异全在 Java**：`cmd=setblocks`（Python 发 RLE，Java 组装协议）、`cmd=capacity`（问运行时）
+- **世代分派**：`DeltaTracker` 类存在 ⇔ 1.21+；每代独立编译的 Java 后端
+- **加载器 × 世代正交**：动态子类组合，不写 N 个类
+
+### 2.3 加载器路线 + 光影 ✅（2026-09-26 打通）
+
+**关键突破**：`Knot.init()` + `loadIntoTarget()` —— 拿到 mod 生态，但不起官方主循环。
+
+三个必需条件（缺一失败，全部实测）：
+1. classpath 放 `client-named.jar`（不是官方 obf jar）
+2. `-Dfabric.gameMappingNamespace=named`
+3. **asm 只留一份**（1.20.1 自带 9.2+9.6 两版 ⇒ `Knot.<clinit>` 抛 duplicate ASM classes）
+
+**B 方案（用户选定）**：统一接口 + 非通用数据走 extern
+- `McfoldNames`：源码写**语义路径**（`net/minecraft/client/Minecraft/resourceManager`），
+  运行时按 `names.json` 查物理名
+- 19 处字符串反射 → 0（remap 改不了字符串字面量，这是唯一两态都通的形态）
+- `gen_names.py`：从两份映射复合生成表（11/11 解析成功）
+
+**remap 链**（`build.sh` 第 7 步，含两个实测坑）：
+- 坑①：SRG 的 desc 两侧都是 official ⇒ 左必须转 named、右转 intermediary
+  （只改类名不改 desc ⇒ 类对了、方法没改 ⇒ `NoSuchMethodError`）
+- 坑②：SpecialSource 按 owner 精确匹配、**不查继承链** ⇒ 必须 `-h inheritance.map`
+  （不带漏 ~60 处）
+
+**结果**：Iris 光影 + 地形**同时**渲染 ✅
+```
+before: colors=4748   （只有天空）
+after:  colors=113546 （地形 + 光影 + 阴影）
+```
+
+### 2.4 Sodium tracker 通知（`notifyRenderTracker`）✅
+
+**症状**：装 Sodium 后只有天空、`chunks=0`，而 `blockinfo` 能正确读方块
+⇒ 数据在，渲染器不知道。
+
+**三层根因**（逐层实测）：
+1. Sodium 的 mixin 挂 `replaceWithPacketData` 内 `@At(INVOKE onChunkLoaded)`，
+   而 1.20.1 该方法**内部不调** `onChunkLoaded` ⇒ 注入点永不命中
+2. 反射签名：参数是 `ClientLevel` 不是 `Level`；第三参是**位掩码 int**
+3. ★ **status 值**：`FLAG_HAS_BLOCK_DATA=1` / `FLAG_HAS_LIGHT_DATA=2` / `FLAG_ALL=3`，
+   而 `updateMerged` 的 2×2 判定要 `四邻 & == 3`
+   ⇒ 传 1：`1&1&1&1=1 ≠ 3` ⇒ 全部判成"凑不齐" ⇒ 队列恒空
+
+```
+传 1:  chunkStatus=49  chunkReady=0   loadQueue=0   colors=4748
+传 3:  chunkStatus=49  chunkReady=25  loadQueue=25  colors=113546
+```
+
+### 2.5 版本隔离 + 实例层 ✅
+
+- **三层**（权威口径 `mcview/lib/versions.cjs:59/61`）：
+  ```
+  BASE/store/<loader>-<version>/   内容根   共享只读：jar/libraries/assets/.mcfold 产物
+  BASE/instances/<name>/           实例     独占：mods/shaderpacks/config/saves
+  BASE/runtime/<name>/             运行期   独占：X display/screenshots/logs
+  ```
+- **`mcfold/instances.py`**（Python 接口，用户定调）：
+  ```python
+  create_instance(name, version=, loader=, mods=[...], force=False)  # → Path
+  list_instances()                                                    # → 摘要
+  find_content_root(version, loader)
+  ```
+  - 实例内部：`instance.json` + **mods/ shaderpacks/ resourcepacks/ datapacks/**
+    （★ agent 的接口面，放进去即生效）+ config/saves/logs
+  - **不在实例里建 versions/libraries/assets**（属内容根，只读共享）
+  - 实例名白名单 `^[A-Za-z0-9._-]{1,64}$`；已存在则报错而非默默复用
+- **版本隔离守卫**（`tests/test_version_isolation.py`，默认套件里跑）
+  - 首次运行就抓出**两处**真实回流（`store/vanilla-1.20.1/instances/` 与
+    `store/vanilla-1.21.1/instances/`）
+  - ★ 教训：「我检查过了」≠「有一条会自己跑的检查」
+
+### 2.6 HUD 开关 ✅
+
+`hide_gui`（两世代后端 + Python `set_view(hide_gui=...)`），走官方 `options.hideGui`。
+
+### 2.7 工程卫生 ✅
+
+- `.gitignore`（运行期产物 / 实例配置 / 构建缓存）
+- `git rm --cached` 28 个误入库的文件
+- Sodium 往**进程 cwd** 写 config/ 的漏洞已修（`cwd=self.cwd or self.game_dir`）
+
+**测试**：`./run_tests.sh` 66 项 · `--with-render` 80 项（实测全绿）
+
+---
+
+## 3. 当前缺口（按依赖顺序）
+
+### ⚠️ G1. 1.21.1 的构建没跑通（**阻断服务端那条线**）
+
+`build.sh` 的路径 bug 已修（`$HERE/common` → `$HERE/java/common`），
+但 1.21.1 编译仍有错：
+
+```
+LoaderBoot.java:1: error: package net.fabricmc.api does not exist
+LoaderBoot.java:2: error: package net.fabricmc.loader.impl.launch.knot does not exist
+LoaderBoot.java:53: error: package net.fabricmc.loader.api does not exist
+gen_1_21/McfoldRenderServer.java:761: error: cannot find symbol
+```
+
+**根因**：`build.sh` 第 5 步的编译 classpath（`CP`）**没有包含 Fabric 库**，
+而 `LoaderBoot` 需要 `net.fabricmc.*`。1.20.1 那次是侥幸（Fabric 库在
+hand-composed classpath 里），build.sh 本身没把它加进编译 CP。
+
+**修法**：第 5 步编译时若有 `$OUT/fabric/`，把它加进 `CP`。
+
+### ⬜ G2. 服务端交互没实现（目标里明写的那半）
+
+现状：`client.py` 只有 `handshake` / `login_start` / `run_smoke`（冒烟级）。
+
+缺：
+- **configuration 阶段**（1.20.2+，登录后、play 前）：这里有 `registry_data`
+- **服务端注册表**：方块 id / 物品 id 的**权威来源**
+- **物品 ↔ 方块映射**
+
+★ **技术核心**：mod 方块的 state id **只有服务端知道**
+（客户端只知道自己 jar 里那套）。这正是「与服务端 mod 物品交互」的难点。
+
+已实测确认：`ServerboundChatPacket` / `ClientboundSystemChatPacket` 的
+protodef 描述**不随版本变** ⇒ `ProtocolVersion` 只影响少数结构。
+
+### ⬜ G3. 统一接口门面（用户口径：agent 调 Python）
+
+已有 `WorldRenderer` / `Instance` / `create_instance`，缺一个把
+「渲染」+「服务端交互」串起来的门面。
+
+### ⬜ G4. ass 粗渲染（§1，新方向）
+
+见 §4 设计。
+
+### ⬜ G5. 聊天框 → agent → 拍照 的行为链（§1，新方向）
+
+见 §5 设计。
+
+---
+
+## 4. ass 粗渲染设计（⬜ 未开始）
+
+### 4.1 定位
+
+```
+真渲染：  JVM + 完整 MC 渲染栈 + （可选）Iris 光影     ~20-40s   ~1MB PNG
+粗渲染：  纯 Python，从方块数据做视线近似               <100ms    文本网格
+```
+
+**两者不是精度不同，是用途不同**：
+- 粗渲染用来**搜索机位**（试几十个）
+- 真渲染用来**出最终图**（只跑选中的那个）
+
+### 4.2 核心原语（借鉴 mineflayer / prismarine 的做法）
+
+mineflayer 的 `raycast` / `blockAt` 是纯数据的视线求交 —— 我们不连服务端，
+但**同样的计算**可以跑在存档数据上：
+
+```python
+# 输入：世界的方块数据（已能拿到，见 render.py 的 SaveChunk）
+# 输出：ASCII 网格 + 结构化线索
+
+for 每条视线（从相机出发，过每个网格像素）:
+    沿射线步进（DDA，与 MC 的方块网格对齐）
+    记录第一个命中的非空气方块
+    → 得到 depth / block / 明暗（按法线与光方向）
+```
+
+### 4.3 输出形态（三件，服务于"让 agent 能推理"）
+
+```
+① ASCII 网格        相机看到的大致形状（"镜头埋地里"一眼可见）
+② 结构化线索         视野内方块分布 / 主景物的屏幕占比 / 遮挡率
+③ 建议               "往左挪 3 格可让景物居中"（可选，规则驱动）
+```
+
+**②比①更重要** —— LLM 读数字比读 ASCII 准；
+ASCII 主要是给人看和做快速否决。
+
+### 4.4 与真渲染的一致性（关键风险）
+
+⚠️ 粗渲染的结论必须**能预测**真渲染。要测：
+- 同一机位，粗渲染说"看得见主景物" ⇒ 真渲染确实看得见
+- 建立**一致性判据**（不是"看起来差不多"，而是可判的：
+  「主景物的屏幕包围盒重叠率 > 阈值」）
+
+### 4.5 实现落点
+
+`mcfold/rough.py`（新模块）+ `tests/test_rough.py`
+- 输入：`WorldRenderer` 的方块数据（或直接读存档）
+- 不依赖 JVM ⇒ 可在默认测试套件里跑（秒级）
+
+---
+
+## 5. 聊天框 → 拍照 行为链设计（⬜ 未开始）
+
+### 5.1 事件流（借鉴 mineflayer 的**事件触发**形态）
+
+```
+玩家在聊天框发消息
+  ↓
+① 收消息          ClientboundSystemChatPacket（或玩家聊天）
+  ↓
+② 意图识别        "给我拍张照" / "和那座山合个影"
+  ↓
+③ 需要什么        玩家位置/朝向 + 景物位置 + 可用机位
+  ↓
+④ 规划            粗渲染试 N 个机位 → 挑最好的
+  ↓
+⑤ 出图            真渲染（Iris + 光影）
+  ↓
+⑥ 送达            回聊天 / 发邮件（走现有 agentmail 通路）
+```
+
+**mineflayer 的参考点**：它的 `bot.on('chat', ...)` + `bot.chat()` 就是
+这个闭环的极简形态。我们要加的是 ③④⑤（拍照特有的）。
+
+### 5.2 三个必须先确认的事实（否则设计是空中楼阁）
+
+1. **玩家位置从哪来？** 我们是离屏渲染，没有真玩家实体。
+   - 若接服务端：从 `ClientboundPlayerPositionPacket` 拿真玩家位置
+   - 若不接：由调用方**指定**一个"玩家"坐标（合成场景）
+2. **"景物"怎么定位？** agent 怎么知道"那座山"在哪？
+   - 自然语言 → 坐标，这是**另一个问题**（可能需要俯瞰图 + 索引）
+3. **相机可摆范围？** 不能在方块里、必须在世界高度内、不能超出视距
+
+### 5.3 最小可用版本（建议先做这个）
+
+不接服务端，用**调用方指定坐标**打通全链：
+
+```python
+# agent 调统一接口
+shot = capture_photo(
+    world=<存档或注入的场景>,
+    subject=(x, y, z),           # 景物
+    subject_scale=20,            # 景物半径
+    with_player=True,            # 是否要合照
+    player_pos=(x, y, z),        # 合照时的"玩家"位置
+    samples=20,                  # 粗渲染试几个机位
+)
+shot.png  → /path/out.png
+shot.rough → ASCII + 线索（给 agent 看它为什么选了这个角度）
+```
+
+---
+
+## 6. 里程碑（建议顺序）
+
+| # | 内容 | 依赖 | 状态 |
+|---|---|---|---|
+| M1 | 修 G1（build.sh 编译 CP 加 Fabric 库），1.21.1 构建跑通 | — | 🔄 |
+| M2 | `rough.py` 粗渲染（纯 Python，DDA 视线） | — | ⬜ |
+| M3 | 粗渲染 ↔ 真渲染一致性判据 | M2 | ⬜ |
+| M4 | `capture_photo()` 机位搜索 + 统一接口门面 | M2, M3 | ⬜ |
+| M5 | 服务端交互（configuration / registry_data / 物品表） | M1 | ⬜ |
+| M6 | 聊天框 → agent → 拍照 全链 | M1, M4, M5 | ⬜ |
+
+**建议先做 M1 + M2**：M1 解阻断，M2 是用户新设想里最有独立价值的一块
+（纯 Python、不依赖 JVM、可秒级验证）。
+
+---
+
+## 7. 工程纪律（本项目已确立的口径）
+
+1. **Python 只路由，差异进 Java** —— Python 侧 0 处 MC 类名引用
+2. **验证要能失败** —— 判据必须**构造触发**，不靠观察现状
+   （「今天有反例」与「今天没反例」都可能抓不到缺陷）
+3. **extern 参数只传路径** —— 命名空间知识留在 jar 侧
+4. **报数必须带**：来源 + 取数时刻 + 谓词/域
+5. **门禁要放默认套件** —— 放 `--with-render` 才跑的守卫等于没守卫
+6. **实例与内容根同级** —— 绝不嵌套；同版本可多实例
+7. **诚实标注射程** —— 「加载器能起动」≠「mod 能用」
+
+---
+
+## 8. 环境备忘
+
+```
+仓库        /home/newqqagent/plugindev/mcfold   （远端 ssh://git@jianfgit.xyz:220/jianf/agentmc.git）
+内容根      /home/newqqagent/mcview/store/vanilla-{1.20.1,1.21.1}/
+实例        /home/newqqagent/mcview/instances/<name>/
+构建产物    内容根/.mcfold/{classes,classes-intermediary.jar,client-named.jar,
+            names*.json,named2intermediary.srg,inheritance.map,classpath.txt,
+            natives/,fabric/}
+服务端      /home/minecraft  （neoforge 1.21.1，mods 若干，端口 25565）
+mineflayer  /home/newqqagent/mcbridge/node/node_modules/mineflayer  ← 参考实现
+Xvfb        :98
+
+测试        ./run_tests.sh              66 项
+            ./run_tests.sh --with-render 80 项（需 MCFOLD_RENDER_CLASSPATH 等）
+```
+
+**渲染环境变量**：
+```bash
+export MCFOLD_RENDER_CLASSPATH="$(paste -sd: $STORE/.mcfold/classpath.txt):$STORE/.mcfold/client-named.jar:$STORE/.mcfold/classes"
+export MCFOLD_NATIVES_DIR=$STORE/.mcfold/natives
+export DISPLAY=:98
+```