MaaFramework中带选项任务的interface.json编写指南
2025-07-06 16:14:24作者:田桥桑Industrious
在MaaFramework项目中,interface.json文件是定义任务接口的重要配置文件。对于需要带选项和参数的任务,其编写方式与普通任务有所不同,需要遵循特定的JSON Schema规范。
基本结构
带选项的任务在interface.json中主要通过"options"字段来定义。一个完整的带选项任务定义通常包含以下几个关键部分:
- 任务名称(name)
- 任务描述(description)
- 选项列表(options)
- 参数列表(params)
选项定义规范
options字段是一个数组,每个选项对象包含以下属性:
- name: 选项名称(必填)
- description: 选项描述(必填)
- type: 选项类型(如string, number, boolean等)
- default: 默认值(可选)
- required: 是否为必填项(可选,默认为false)
- enum: 枚举值列表(对于限定取值的选项)
参数定义规范
params字段也是一个数组,每个参数对象包含与选项类似的属性,但通常用于主任务参数而非选项。
示例解析
以下是一个典型的带选项任务定义示例:
{
"name": "custom_task",
"description": "这是一个带选项的自定义任务",
"options": [
{
"name": "debug_mode",
"description": "是否启用调试模式",
"type": "boolean",
"default": false
},
{
"name": "retry_count",
"description": "重试次数",
"type": "number",
"default": 3,
"minimum": 1,
"maximum": 10
}
],
"params": [
{
"name": "target",
"description": "任务目标",
"type": "string",
"required": true
}
]
}
最佳实践
- 命名规范:使用下划线命名法(snake_case)来命名选项和参数
- 类型明确:为每个选项和参数指定明确的类型
- 默认值:为可选参数提供合理的默认值
- 范围限制:对于数值型参数,使用minimum/maximum限制合理范围
- 枚举值:对于有限取值的参数,使用enum列出所有可能值
- 必填标记:明确标记必填参数(required: true)
验证与测试
编写完成后,建议使用JSON Schema验证工具检查配置文件的合法性。MaaFramework提供了完整的schema定义,可以确保配置符合规范。
通过遵循这些规范,开发者可以创建出结构清晰、易于维护的带选项任务配置,为自动化流程提供更灵活的控制能力。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
479
3.57 K
React Native鸿蒙化仓库
JavaScript
289
340
Ascend Extension for PyTorch
Python
290
321
暂无简介
Dart
730
175
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
11
1
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
248
105
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
850
451
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
20
仓颉编程语言运行时与标准库。
Cangjie
149
885