任务流水线（Pipeline）协议
基础格式
任务流水线采用 JSON 格式描述，由若干节点（Node）构成，每个节点包含以下核心属性：
{
"NodeA": {
"recognition": "OCR", // 识别算法
"action": "Click", // 执行动作
"next: [ // 后继节点列表
"NodeB",
"NodeC"
],
// 其他扩展属性...
},
// 其他节点定义...
}执行逻辑
流程控制机制
任务触发
- 通过 tasker.post_task 接口指定入口节点启动任务
顺序检测
- 对当前节点的 next 列表进行顺序检测
- 依次尝试识别每个子节点配置的 recognition 特征
中断机制
- 当检测到某个子节点匹配成功时，立即终止后续节点检测
- 执行匹配节点的 action 定义的操作
后继处理
- 操作执行完成后，将激活节点切换为当前节点
- 重复执行上述检测流程
终止条件
当满足以下任意条件时，任务流程终止：
- 当前节点的 next 列表为空
- 所有后继节点持续检测失败直至超时
应用示例
场景描述
Android 设置界面存在菜单 显示/存储/无障碍，其中 存储 打开后包含二级菜单 游戏/应用。
配置示例
{
"开始示例": {
"next": [
"进入显示",
"进入存储",
"进入无障碍"
]
},
"进入显示": {
"recognition": "XXX",
"action": "Click",
// ...
},
"进入存储": {
"recognition": "XXX",
"action": "Click",
"next": [
"进入游戏二级菜单",
"进入应用二级菜单"
]
},
"进入无障碍": {
// ...
},
"进入游戏二级菜单": {
"action": "Swipe",
"next": []
},
"进入应用二级菜单": {
// ...
},
// ...
}执行过程推演
情况一
情况二
属性字段
TIP
对于必选字段，Pipeline JSON 文件中仍可为空，但需在实际执行前通过接口设置。
Pipeline v1
recognition: string
识别算法类型。可选，默认DirectHit。
可选的值：DirectHit|TemplateMatch|FeatureMatch|ColorMatch|OCR|NeuralNetworkClassify|NeuralNetworkDetect|Custom
详见 算法类型。action: string
执行的动作。可选，默认DoNothing。
可选的值：DoNothing|Click|LongPress|Swipe|MultiSwipe|ClickKey|LongPressKey|InputText|StartApp|StopApp|StopTask|Command|Custom
详见 动作类型。next: string | list<string, >
接下来要执行的节点列表。可选，默认空。
按顺序识别 next 中的每个节点，只执行第一个识别到的。interrupt: string | list<string, >next中全部未识别到时的候补节点列表，会执行类似中断操作。可选，默认空。
若next中的节点全部未识别到，则会按序识别该中断列表中的每个节点，并执行第一个识别到的。在后续节点全部执行完成后，重新跳转到该节点来再次尝试识别。
例如: A: { next: [B, C], interrupt: [D, E] }
当 B, C 未识别到而识别到 D 时，会去完整的执行 D 及 D.next。但当 D 的流水线完全执行完毕后。会再次回到节点 A，继续尝试识别 B, C, D, E 。
该字段多用于异常处理，例如 D 是识别 “网络断开提示框”，在点击确认并等待网络连接成功后，继续之前的节点流程。is_sub: bool
（已在 2.x 版本中废弃，但保留兼容性，推荐使用interrupt替代）
是否是子节点。可选，默认 false 。
如果是子节点，执行完本节点（及后续 next 等）后，会返回来再次识别本节点 所在的 next 列表。
例如：A.next = [B, Sub_C, D]，这里的 Sub_C.is_sub = true，
若匹配上了 Sub_C，在完整执行完 Sub_C 及后续节点后，会返回来再次识别 [B, Sub_C, D] 并执行命中项及后续节点。rate_limit: uint
识别速率限制，单位毫秒。可选，默认 1000 。
每轮识别next+interrupt最低消耗rate_limit毫秒，不足的时间将会 sleep 等待。timeout: uintnext+interrupt识别超时时间，毫秒。可选，默认 20 * 1000 。
具体逻辑为while(!timeout) { foreach(next + interrupt); sleep_until(rate_limit); }。on_error: string | list<string, >
当识别超时，或动作执行失败后，接下来会执行该列表中的节点。可选，默认空。inverse: bool
反转识别结果，识别到了当做没识别到，没识别到的当做识别到了。可选，默认 false 。
请注意由此识别出的节点，Click 等动作的点击自身将失效（因为实际并没有识别到东西），若有需求可单独设置target。enabled: bool
是否启用该 node。可选，默认 true 。
若为 false，其他 node 的 next 列表中的该 node 会被跳过，既不会被识别也不会被执行。pre_delay: uint
识别到 到 执行动作前 的延迟，毫秒。可选，默认 200 。
推荐尽可能增加中间过程节点，少用延迟，不然既慢还不稳定。post_delay: uint
执行动作后 到 识别 next 的延迟，毫秒。可选，默认 200 。
推荐尽可能增加中间过程节点，少用延迟，不然既慢还不稳定。pre_wait_freezes: uint | object
识别到 到 执行动作前，等待画面不动了的时间，毫秒。可选，默认 0 ，即不等待。
连续pre_wait_freezes毫秒 画面 没有较大变化 才会退出动作。
若为 object，可设置更多参数，详见 等待画面静止。
具体的顺序为pre_wait_freezes-pre_delay-action-post_wait_freezes-post_delay。post_wait_freezes: uint | object
行动动作后 到 识别 next，等待画面不动了的时间，毫秒。可选，默认 0 ，即不等待。
其余逻辑同pre_wait_freezes。focus: any
关注节点，会额外产生部分回调消息。可选，默认 null，不产生回调消息。
详见 节点通知。
Pipeline v2
NOTE
MaaFW 自 v4.4.0 版本起支持 Pipeline v2 协议，同时兼容 v1。
相较 v1，主要将 recognition 和 action 相关字段放入了二级字典中（类型放入 type 字段，其余参数放入 param 字段中），其余并无不同。举例：
{
"NodeA": {
"recognition": {
"type": "TemplateMatch",
"param": {
// 识别相关字段放入 recognition.param 中，键和值均无变化
"template": "A.png",
"roi": [100, 100, 10, 10]
}
},
"action": {
"type": "Click",
"param": {
// 动作相关字段放入 action.param 中，键和值均无变化
"target": "XXX"
}
},
// 非 recognition 和 action 的字段与 v1 无变化
"next": ["NodeB"],
"pre_delay": 1000,
// ...
}
}默认属性
请参考 default_pipeline.jsonDefault 中可设置所有字段的默认值；算法/动作名 的对象中可设置对应算法/动作 的默认参数值。
算法类型
DirectHit
直接命中，即不进行识别，直接执行动作。
TemplateMatch
模板匹配，即“找图”。
该算法属性需额外部分字段：
roi: array<int, 4> | string
识别区域坐标。可选，默认 [0, 0, 0, 0] ，即全屏。- array<int, 4>: 识别区域坐标，[x, y, w, h]，若希望全屏可设为 [0, 0, 0, 0] 。
- string: 填写节点名，在之前执行过的某节点识别到的目标范围内识别。
roi_offset: array<int, 4>
在roi的基础上额外移动再作为范围，四个值分别相加。可选，默认 [0, 0, 0, 0] 。template: string | list<string, >
模板图片路径，需要image文件夹的相对路径。必选。
所使用的图片需要是无损原图缩放到 720p 后的裁剪。请参考 这里。
支持填写文件夹路径，将递归加载其中所有图片文件。threshold: double | list<double, >
模板匹配阈值。可选，默认 0.7 。
若为数组，长度需和template数组长度相同。order_by: string
结果排序方式。可选，默认Horizontal。
可选的值：Horizontal|Vertical|Score|Random。
可结合index字段使用。index: int
命中第几个结果。可选，默认 0 。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1] ，其中负数使用类 Python 的规则转换为 N - index 。若超出范围，则视为当前识别无结果。method: int
模板匹配算法，即 cv::TemplateMatchModes。可选，默认 5 。
仅支持 1、3、5，可简单理解为越大的越精确，但也会更慢。
详情请参考 OpenCV 官方文档。green_mask: bool
是否进行绿色掩码。可选，默认 false 。
若为 true，可以将图片中不希望匹配的部分涂绿 RGB: (0, 255, 0)，则不对绿色部分进行匹配。
FeatureMatch
特征匹配，泛化能力更强的“找图”，具有抗透视、抗尺寸变化等特点。
该算法属性需额外部分字段：
roi: array<int, 4> | string
同TemplateMatch.roi。roi_offset: array<int, 4>
同TemplateMatch.roi_offset。template: string | list<string, >
模板图片路径，需要image文件夹的相对路径。必选。
支持填写文件夹路径，将递归加载其中所有图片文件。count: uint
匹配的特征点的最低数量要求（阈值）。可选，默认 4 。order_by: string
结果排序方式。可选，默认Horizontal。
可选的值：Horizontal|Vertical|Score|Area|Random。
可结合index字段使用。index: int
命中第几个结果。可选，默认 0 。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1] ，其中负数使用类 Python 的规则转换为 N - index 。若超出范围，则视为当前识别无结果。green_mask: bool
是否进行绿色掩码。可选，默认 false 。
若为 true，可以将图片中不希望匹配的部分涂绿 RGB: (0, 255, 0)，则不对绿色部分进行匹配。detector: string
特征检测器。可选，默认SIFT。
目前支持以下算法：- SIFT
计算复杂度高，具有尺度不变性、旋转不变性。效果最好。 - KAZE
适用于2D和3D图像，具有尺度不变性、旋转不变性。 - AKAZE
计算速度较快，具有尺度不变性、旋转不变性。 - BRISK
计算速度非常快，具有尺度不变性、旋转不变性。 - ORB
计算速度非常快，具有旋转不变性。但不具有尺度不变性。
各算法特点详情可自行进一步查询。
- SIFT
ratio: double
KNN 匹配算法的距离比值，[0 - 1.0] , 越大则匹配越宽松（更容易连线）。可选，默认 0.6 。
ColorMatch
颜色匹配，即“找色”。
该算法属性需额外部分字段：
roi: array<int, 4> | string
同TemplateMatch.roi。roi_offset: array<int, 4>
同TemplateMatch.roi_offset。method: int
颜色匹配方式。即 cv::ColorConversionCodes。可选，默认 4 (RGB) 。
常用值：4 (RGB, 3 通道), 40 (HSV, 3 通道), 6 (GRAY, 1 通道)。
详情请参考 OpenCV 官方文档。lower: list<int, > | list<list<int, >>
颜色下限值。必选。最内层 list 长度需和method的通道数一致。upper: list<int, > | list<list<int, >>
颜色上限值。必选。最内层 list 长度需和method的通道数一致。count: uint
符合的像素点的最低数量要求（阈值）。可选，默认 1。order_by: string
结果排序方式。可选，默认Horizontal。
可选的值：Horizontal|Vertical|Score|Area|Random。
可结合index字段使用。index: int
命中第几个结果。可选，默认 0 。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1] ，其中负数使用类 Python 的规则转换为 N - index 。若超出范围，则视为当前识别无结果。connected: bool
是否是相连的点才会被计数。可选，默认 false 。
若为是，在完成颜色过滤后，则只会计数像素点 全部相连 的最大块。
若为否，则不考虑这些像素点是否相连。
OCR
文字识别。
该算法属性需额外部分字段：
roi: array<int, 4> | string
同TemplateMatch.roi。roi_offset: array<int, 4>
同TemplateMatch.roi_offset。expected: string | list<string, >
期望的结果，支持正则。必选。threshold: double
模型置信度阈值。可选，默认 0.3 。replace: array<string, 2> | list<array<string, 2>>
部分文字识别结果不准确，进行替换。可选。order_by: string
结果排序方式。可选，默认Horizontal。
可选的值：Horizontal|Vertical|Area|Length|Random。
可结合index字段使用。index: int
命中第几个结果。可选，默认 0 。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1] ，其中负数使用类 Python 的规则转换为 N - index 。若超出范围，则视为当前识别无结果。only_rec: bool
是否仅识别（不进行检测，需要精确设置roi）。可选，默认 false 。model: string
模型 文件夹 路径。使用model/ocr文件夹的相对路径。可选，默认为空。
若为空，则为model/ocr根目录下的模型文件。
文件夹中需要包含rec.onnx,det.onnx,keys.txt三个文件。
NeuralNetworkClassify
深度学习分类，判断图像中的 固定位置 是否为预期的“类别”。
该算法属性需额外部分字段：
roi: array<int, 4> | string
同TemplateMatch.roi。roi_offset: array<int, 4>
同TemplateMatch.roi_offset。labels: list<string, >
标注，即每个分类的名字。可选。
仅影响调试图片及日志等，若未填写则会填充 "Unknown" 。model: string
模型文件路径。使用model/classify文件夹的相对路径。必选。
目前仅支持 ONNX 模型，参考 NNClassify 食谱。expected: int | list<int, >
期望的分类下标。必选。order_by: string
结果排序方式。可选，默认Horizontal。
可选的值：Horizontal|Vertical|Score|Random。
可结合index字段使用。index: int
命中第几个结果。可选，默认 0 。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1] ，其中负数使用类 Python 的规则转换为 N - index 。若超出范围，则视为当前识别无结果。
举例：例如画面中 固定位置 可能出现 猫、狗、老鼠，我们训练了支持该三分类的模型。
希望识别到 猫 或 老鼠 才点击，而识别到 狗 不点击，则相关字段为：
{
"labels": ["Cat", "Dog", "Mouse"],
"expected": [0, 2]
}注意这些值需要与模型实际输出相符。
NeuralNetworkDetect
深度学习目标检测，高级版“找图”。
与分类器主要区别在于“找”，即支持任意位置。但通常来说模型复杂度会更高，需要更多的训练集、训练时间，使用时的资源占用（推理开销）也会成倍上涨。
该算法属性需额外部分字段：
roi: array<int, 4> | string
同TemplateMatch.roi。roi_offset: array<int, 4>
同TemplateMatch.roi_offset。labels: list<string, >
标注，即每个分类的名字。可选。
仅影响调试图片及日志等，若未填写则会填充 "Unknown" 。model: string
模型文件路径。使用model/detect文件夹的相对路径。必选。
目前支持 YoloV8 ONNX 模型，其他同样输入输出的 Yolo 模型理论上也可以支持，但未经测试。
训练参考 NNDetect 食谱。expected: int | list<int, >
期望的分类下标。threshold: double | list<double, >
模型置信度阈值。可选，默认 0.3 。
若为数组，长度需和expected数组长度相同。order_by: string
结果排序方式。可选，默认Horizontal。
可选的值：Horizontal|Vertical|Score|Area|Random。
可结合index字段使用。index: int
命中第几个结果。可选，默认 0 。
假设共有 N 个结果，则index的取值范围为 [-N, N - 1] ，其中负数使用类 Python 的规则转换为 N - index 。若超出范围，则视为当前识别无结果。
举例：例如画面中可能出现 猫、狗、老鼠，我们训练了支持该三分类的检测模型。
希望检测到 猫 或 老鼠 才点击，而识别到 狗 不点击，则相关字段为：
{
"labels": ["Cat", "Dog", "Mouse"],
"expected": [0, 2]
}注意这些值需要与模型实际输出相符。
Custom
执行通过 MaaResourceRegisterCustomRecognition 接口传入的识别器句柄。
该算法属性需额外部分字段：
custom_recognition: string
识别名，同注册接口传入的识别名。同时会通过MaaCustomRecognitionCallback.custom_recognition_name传出。必选。custom_recognition_param: any
识别参数，任意类型，会通过MaaCustomRecognitionCallback.custom_recognition_param传出。可选，默认null。roi: array<int, 4> | string
同TemplateMatch.roi，会通过MaaCustomRecognitionCallback.roi传出。可选，默认 [0, 0, 0, 0] 。roi_offset: array<int, 4>
同TemplateMatch.roi_offset。
动作类型
DoNothing
什么都不做。
Click
点击。
该动作属性需额外部分字段：
target: true | string | array<int, 4>
点击目标的位置。可选，默认 true 。- true: 目标为本节点中刚刚识别到的位置（即自身）。
- string: 填写节点名，目标为之前执行过的某节点识别到的位置。
- array<int, 4>: 目标为固定坐标区域内随机一点，[x, y, w, h]，若希望全屏可设为 [0, 0, 0, 0] 。
target_offset: array<int, 4>
在target的基础上额外移动再作为点击目标，四个值分别相加。可选，默认 [0, 0, 0, 0] 。
LongPress
长按。
该动作属性需额外部分字段：
target: true | string | array<int, 4>
长按目标的位置。可选，默认 true 。值同上述Click.target。target_offset: array<int, 4>
在target的基础上额外移动再作为长按目标，四个值分别相加。可选，默认 [0, 0, 0, 0] 。duration: uint
长按持续时间，单位毫秒。可选，默认 1000 。
Swipe
线性滑动。
该动作属性需额外部分字段：
begin: true | string | array<int, 4>
滑动起点。可选，默认 true 。值同上述Click.target。begin_offset: array<int, 4>
在begin的基础上额外移动再作为起点，四个值分别相加。可选，默认 [0, 0, 0, 0] 。end: true | string | array<int, 4> | list<true | string | array<int, 4>>
滑动终点。可选，默认 true 。值同上述Click.target。
💡 v4.5.x 版本新增支持 list，可用于添加滑动途径点！相较多次 swipe 的区别是多个 end 之间不会抬手，即一次折线滑动。end_offset: array<int, 4> | list<array<int, 4>>
在end的基础上额外移动再作为终点，四个值分别相加。可选，默认 [0, 0, 0, 0] 。duration: uint | list<uint,>
滑动持续时间，单位毫秒。可选，默认 200 。end_hold: uint | list<uint,>
滑动到终点后，额外等待一定时间再抬起，单位 ms。可选，默认 0。only_hover: bool
仅鼠标悬停移动，无按下/抬起动作。可选，默认 false。
MultiSwipe
多指线性滑动。
该动作属性需额外部分字段：
swipes: list<object,>
多个滑动的数组。必选。
数组元素顺序没有影响，只基于starting确定顺序。starting: uint
滑动起始时间，单位毫秒。可选，默认 0 。MultiSwipe额外字段，该滑动会在本 action 中第starting毫秒才开始。begin: true | string | array<int, 4>
滑动起点。可选，默认 true 。值同上述Click.target。begin_offset: array<int, 4>
在begin的基础上额外移动再作为起点，四个值分别相加。可选，默认 [0, 0, 0, 0] 。end: true | string | array<int, 4> | list<true | string | array<int, 4>>
滑动终点。可选，默认 true 。值同上述Click.target。
💡 v4.5.x 版本新增支持 list，可用于添加滑动途径点！相较多次 swipe 的区别是多个 end 之间不会抬手，即一次折线滑动。end_offset: array<int, 4> | list<array<int, 4>>
在end的基础上额外移动再作为终点，四个值分别相加。可选，默认 [0, 0, 0, 0] 。duration: uint | list<uint,>
滑动持续时间，单位毫秒。可选，默认 200 。end_hold: uint | list<uint,>
滑动到终点后，额外等待一定时间再抬起，单位 ms。可选，默认 0。only_hover: bool
仅鼠标悬停移动，无按下/抬起动作。可选，默认 false。
举例：
{
"A": {
"action": "MultiSwipe",
"swipes": [
{
"begin": [],
"end": [],
},
{
"starting": 500,
"begin": [],
"end": []
}
]
}
}ClickKey
单击按键。
该动作属性需额外部分字段：
LongPressKey
长按按键。
该动作属性需额外部分字段：
key: int
要按的键，仅支持对应控制器的虚拟按键码。必选。duration: uint
长按持续时间，单位毫秒。可选，默认 1000 。
InputText
输入文本。
该动作属性需额外部分字段：
input_text: string
要输入的文本，部分控制器仅支持 ascii 。必选。
StartApp
启动 App 。
该动作属性需额外部分字段：
package: string
启动入口。必选。
需要填入 package name 或 activity ，例如com.hypergryph.arknights或com.hypergryph.arknights/com.u8.sdk.U8UnityContext。
StopApp
关闭 App 。
该动作属性需额外部分字段：
package: string
要关闭的程序。必选。
需要填入 package name ，例如com.hypergryph.arknights。
StopTask
停止当前任务链（MaaTaskerPostTask 传入的单个任务链）。
Command
执行命令。
该动作属性需额外部分字段：
exec: string
执行的程序路径。必选。args: list<string,>
执行的参数。可选。
支持部分运行期参数替换：{ENTRY}: 任务入口名。{NODE}: 当前节点名。{IMAGE}: 截图保存到文件的路径。该文件在进程退出前删除，若要持久保存请自行复制。{BOX}: 识别命中的目标，格式为[x, y, w, h]。{RESOURCE_DIR}: 最后一次加载的资源文件夹路径。{LIBRARY_DIR}: MaaFW 库所在的文件夹路径。
detach: bool
分离子进程，即不等待子进程执行完成，直接继续执行后面的任务。可选，默认 false。
举例：
{
"NodeA": {
"action": "Command",
"exec": "Python",
"args": [
"{RESOURCE_DIR}/my_script/test.py",
"Haha",
"{IMAGE}",
"{NODE}",
"{BOX}"
]
},
"NodeB": {
"action": "Command",
"exec": "{RESOURCE_DIR}/my_exec/my_exec.exe"
}
}实际将会执行命令
# NodeA
Python C:/MaaXXX/resource/my_script/test.py Haha C:/temp/123.png NodeA [0,0,0,0]
# NodeB
C:/MaaXXX/resource/my_exec/my_exec.exeCustom
执行通过 MaaResourceRegisterCustomAction 接口传入的动作句柄。
该动作属性需额外部分字段：
custom_action: string
动作名，同注册接口传入的识别器名。同时会通过MaaCustomActionCallback.custom_action_name传出。必选。custom_action_param: any
动作参数，任意类型，会通过MaaCustomActionCallback.custom_action_param传出。可选，默认null。target: true | string | array<int, 4>
目标的位置，会通过MaaCustomActionCallback.box传出。可选，默认 true 。值同Click.target，target_offset: array<int, 4>
值同Click.target_offset。
等待画面静止
等待画面静止。需连续一定时间 画面 没有较大变化 才会退出动作。
字段值为 uint 或 object，举例：
{
"A": {
"pre_wait_freezes": 500,
},
"B": {
"pre_wait_freezes": {
// more properties ...
},
},
}若值为 object，可设置部分额外字段：
time: uint
连续time毫秒 画面 没有较大变化 才会退出动作。可选，默认 1 。target: true | string | array<int, 4>
等待目标的位置。可选，默认 true。值同上述Click.target。target_offset: array<int, 4>
在target的基础上额外移动再作为等待目标，四个值分别相加。可选，默认 [0, 0, 0, 0] 。threshold: double
判断“没有较大变化”的模板匹配阈值。可选，默认 0.95 。method: int
判断“没有较大变化”的模板匹配算法，即 cv::TemplateMatchModes。可选，默认 5 。
同TemplateMatch.method。rate_limit: uint
识别速率限制，单位毫秒。可选，默认 1000 。
每次识别最低消耗rate_limit毫秒，不足的时间将会 sleep 等待。timeout: uint
识别超时时间，毫秒。可选，默认 20 * 1000 。
节点通知
节点通知的具体实现方式由上层 UI 决定。推荐采用基于 JSON 对象的消息模板机制，通过占位符替换实现动态内容展示。
消息模板机制
当 MaaFW 发送回调消息时，会提供以下信息：
- message: 消息类型标识
- details: 包含具体数据的对象
节点通知配置示例
// 在 Pipeline 中配置消息模板
{
"NodeA": {
"focus": {
"Node.Recognition.Succeeded": "{name} 识别命中，准备开始执行",
"Node.Action.Starting": "{name} 开始执行，任务 ID: {task_id}",
}
}
}
// 当该节点开始执行时，UI 即会收到回调
{
"message": "Node.Action.Starting",
"details_json": {
"task_id": 12345,
"name": "NodeA",
"list": ["action1", "action2"],
"focus": {
"Node.Recognition.Succeeded": "{name} 识别命中，准备开始执行",
"Node.Action.Starting": "{name} 开始执行，任务 ID: {task_id}"
}
}
}处理流程
- UI 接收到框架发送的节点通知消息
- 根据 message 查找 focus 中对应的模板字符串
- 使用 details 中的数据替换模板中的占位符（如
{name}、{task_id}） - 将处理后的文本在界面中展示给用户，示例中即展示
NodeA 开始执行，任务 ID: 12345
更多消息类型
完整的回调消息列表和详细说明请参考 回调协议。