release: v2.0.11 PDF scan vision and subagent wakeup merge

CHANGELOG.md

@@ -2,6 +2,17 @@
 
 ## Unreleased
 
+## 2.0.11 - 2026-09-10
+
+Candidate small release for scanned PDF visual preview and background subagent wakeup merging. GitHub CI, tag and Release status will be recorded after publication.
+
+- Text-layer PDFs are answered from extracted text; scanned PDFs render the first few full pages for vision and cite those page numbers.
+- Full visual PDF reading is explicit: set start and end pages on the paperclip and resend. PNG pastes without MIME are classified by extension.
+- Joining a background subagent group can strengthen wakeup (`wakeParent` OR, `waitForGroup` all > any > none) but cannot disable an existing wakeup request.
+- Windows executable distributions include `@napi-rs/canvas` and the Windows x64 native binary beside the exe.
+
+Validation, upgrade steps and limitations: [Chinese release note](docs/releases/2.0.11-pdf-scan-vision-wakeup_zh.md).
+
 ## 2.0.10 - 2026-09-10
 
 Published 2026-09-10 03:38:31 UTC (2026-09-10 11:38:31 UTC+08:00): [v2.0.10](https://github.com/wicm84266964/Ant-Code/releases/tag/v2.0.10).

README.md

@@ -113,7 +113,7 @@ ant-code doctor
 ant-code
 ```
 
-`ant-code --version` should print `2.0.10`. If you previously linked a
+`ant-code --version` should print `2.0.11`. If you previously linked a
 JavaScript install, run `npm link` again so the global command points at
 `src/cli/index.ts`.
 

THIRD_PARTY_NOTICES.md

@@ -13,6 +13,7 @@ runtime assets from the following third-party packages:
 | `katex` | math rendering runtime dependency; Dashboard CSS and font assets | MIT |
 | `mermaid` | Dashboard diagram rendering bundle input | MIT |
 | `unpdf` | PDF text-layer extraction for document_intake and Dashboard paperclip | MIT |
+| `@napi-rs/canvas` | PDF full-page rendering backend for scanned composer attachments | MIT |
 | `yaml` | Dashboard YAML parsing bundle input | ISC |
 | `esbuild` | development/build tool for Dashboard assets | MIT |
 | `postject` | development/build tool for optional executable packaging | MIT |

config/skills/document-intake/SKILL.md

@@ -17,7 +17,9 @@ argument_hint: 提供文档路径、需要提取的内容类型、摘要粒度
    - 支持轻量解析 docx/pptx/xlsx。
    - PDF 抽取内嵌文本层，默认每次最多 20 页；需要后续页时传 `pageStart`。
    - Dashboard 回形针也可直接附上这些文件；发送时会写入 `ant-code-uploads/` 并抽文本。
-   - 扫描件没有 OCR。回形针附上的无文本层 PDF 会把前几页内嵌图送给视觉模型。
+   - 有文字层的 PDF：用抽取的文字回答；预览不够时用 `document_intake` 按页补读，不要自动逐页走视觉。
+   - 无文字层的扫描件：先完整渲染前几页做视觉识别，尽快参与对话，并标明已读页码；不能假定这些页包含摘要。
+   - 还需要更多扫描页时：说明未覆盖范围，询问是继续后几页还是全量视觉，并提示额外耗时和费用。全量视觉必须由用户在回形针上填写起止页后重新发送。失败或取消不能视为已读完整文档。没有本地 OCR 引擎。
 3. 只有文本层为空、且用户允许时，才考虑本机 MarkItDown 或其他 OCR 转换器。
 4. 对大文件只提取目录、标题、表格预览和关键段落，不输出全文。
 

docs/releases/2.0.11-pdf-scan-vision-wakeup_zh.md

@@ -0,0 +1,37 @@
+# Ant Code v2.0.11：扫描件 PDF 视觉预读与子任务唤醒合并
+
+发布日期：2026-09-10
+
+这是面向文档阅读和后台子任务编排的小版本更新。回形针附上的 PDF 不再默认逐页全量视觉识别：有文字层时直接抽文本，扫描件先完整渲染前几页参与对话；全量视觉改为明确选择。同时修复同组后台子任务唤醒参数互相覆盖、主控不再接续的问题。本说明为发布候选记录，线上 CI、标签和 Release 状态以实际发布记录为准。
+
+## 对用户工作流的直接变化
+
+- 有可用文字层的 PDF：抽取文本参与回答。预览不够时按需用 `document_intake` 补读，不自动把每一页送入视觉模型。
+- 无文字层的扫描件：用完整页面渲染（文字、矢量图和内嵌图）识别前 2 页，尽快开始对话，并标明已读页码。不得把这几页当作摘要或目录。
+- 还需要更多扫描页时：说明尚未覆盖的范围，询问是继续后几页还是全量视觉，并提示额外耗时和费用。全量视觉须在回形针上填写起始页和结束页后重新发送；只在对话里说「继续」不会再渲染更多页。
+- PDF 附件保留页码输入。空着表示默认（扫描件前几页，文字层按文本窗口抽取）；填写起止页才覆盖指定范围。
+- 粘贴或上传 PNG 等图片时，即使浏览器没带 MIME，也会按已支持的扩展名补全，粘贴与回形针上传共用同一套分类。
+- 同组后台子任务若携带相反的 `wakeParent` / `waitForGroup`，加入任务时在组文件锁内合并：唤醒采用 OR，等待条件采用 `all > any > none`。后写入的关闭参数不能取消已经开启的唤醒。全部明确关闭的组仍保持关闭。工具结果返回实际生效设置，并在发生合并时提示。
+- TUI 和 Dashboard 显示 PDF 识别进度与失败/取消状态；失败、空报告或取消不会伪装成已经读完整份文档。视觉页面图只驻留内存，不写入会话 transcript。
+
+## 配置、数据与安全边界
+
+- 不要求手动迁移配置或历史任务记录。已有会话、网关和权限设置可继续使用。
+- 回形针文档仍保存到工作区 `ant-code-uploads/`，并沿用现有忽略规则。渲染出的 PDF 页面图不进入 transcript 存储。
+- 扫描件视觉识别需要支持图片的主模型，或同一网关下的视觉路由。没有本地 OCR 引擎。
+- 新增运行时依赖 `@napi-rs/canvas` 1.0.9（MIT）。Windows 可执行分发包会附带该 JS 包和 Windows x64 原生组件；不能只复制 `ant-code.exe` 代替完整包。
+- 本次不更新其他产品的内嵌运行时，不同步真实会话、凭据或研究数据。自动化测试不等于所有供应商、字体、复杂排版或私人研究 PDF 均已验证。
+
+## 升级与产物位置
+
+需要 Node.js 22.18+。源码安装更新后执行 `npm ci`、`npm run verify:install`；使用全局链接的用户可执行 `npm link`。`ant-code --version` 应显示 `2.0.11`。完整重启 TUI/Dashboard，浏览器刷新以加载当前资源。
+
+已有配置和会话继续使用。审计产物仍由发布检查写入既有审计目录。
+
+## 验证、限制与待完成门禁
+
+- 开发阶段已覆盖文字层不自动视觉、扫描件默认前两页、显式页范围全量分批、整页渲染的矢量/文字/多图像素、取消、损坏文件、网关错误、空报告、视觉路由，以及同组唤醒相反顺序、并发合并、静默组和实际唤醒事件；用户已完成本地验收。
+- 开发仓完整 `verify:release` 通过：单元/集成 1,331 项、浏览器 38 项，均无失败或跳过；语法 342 个文件、类型检查 0 诊断、依赖、来源、安装、网关兼容、资源一致性和发布封印检查通过。额外进程测试 8 项通过，与完整套件重叠，不累计为独立覆盖。
+- 跨仓一致性检查和正式仓复验在脱敏同步后进行。候选提交后仍须 GitHub PR 和 main CI 通过，随后创建标签与 Release；实际完成状态记录在公开 CHANGELOG。
+- 报告累计超过 240,000 字符时会明确失败，需要缩小页范围后重试。网关传输重试沿用现有策略；重新发送任务会重跑指定页范围。
+- 未调用真实外部模型验收所有科研 PDF。复杂字体、扫描质量和表格结构仍可能影响视觉报告，不能替代人工核对关键数字。