MouseT 发布：让自动化像人类一样呼吸 (下一代拟人化轨迹引擎)

🌌 MouseT v4.7

基于 Wavelet Diffusion Transformer 的工业级拟人轨迹生成引擎

S级拟人度100% 精准命中商业级稳定

在 2025 年的今天，风控系统已进入**“全量行为审计”**时代。传统的贝塞尔曲线方案因缺乏生理性纹理，在 Akamai、Cloudflare、DataDome 等高级防御面前已全线溃败。

🎭 核心交互：全场景行为覆盖

MouseT 不仅仅是生成坐标，它是在实时模拟人类的意图与肌肉动力学。

🎯

目标导向型移动

模拟点击按钮、超链接。具备典型的 Fitts' Law 速度曲线（起步加速-中间爆发-末端减速），带有自然的生理性弧线。

🛡️

强约束滑动

专攻滑块验证码 (Slider) 与拼图校验。生成具备微观震颤 (Micro-Tremor) 的轨迹，彻底终结 Jerk 指纹分析。

📖

随机浏览/阅读

模拟用户闲逛、阅读、翻页。高曲率、低直线性，完全覆盖人类行为的 t-SNE 流形分布，消除机器指纹。

技术原理简述：我们交付的不是死板的脚本，而是实时生成的 时空坐标序列。引擎不仅计算 (x, y)，更通过内置的 Bio-Kinematic Filter 注入了微秒级的生理物理延迟。

---

⚡ 接入与配额 (Commercial Beta)

为了平衡算力成本与服务质量，MouseT 采用动态弹性调度机制。

🕒营业时间：08:00 - 23:00 (北京时间)

服务器每天深夜将执行深度自检与模型优化，此时段内 API 暂不可用。

🔋免费配额：288 次 / 账户 / 天

基于 Gemini 启发式限流，每 5 分钟自动恢复一次请求额度，严禁恶意刷量。

---

🚀 快速集成：Python 调用示例

import requests

# 工业级标准接入
class MouseTClient:
    def __init__(self, api_key, host="8.134.163.182", port=8000):
        # [修正1] 显式指定端口 8000 (对应 FRP remotePort)
        self.url = f"http://{host}:{port}/api/v1/generate"
        self.headers = {"X-API-KEY": api_key}

    def fetch_path(self, start, end):
        payload = {
            "start": start, "end": end,
            "steps": 20, "straightness": 0.8
        }
        try:
            # 设置超时，防止网络卡死
            resp = requests.post(self.url, json=payload, headers=self.headers, timeout=5)
            
            # [修正2] 自动检查状态码 (403/500 会在这里抛出异常，而不是往下跑)
            resp.raise_for_status()
            
            return resp.json()
        except requests.exceptions.RequestException as e:
            print(f"❌ 请求失败: {e}")
            # 如果是 403/422 等，打印服务器返回的具体错误信息
            if hasattr(e, 'response') and e.response is not None:
                print(f"   服务端反馈: {e.response.text}")
            return None

# 调用测试
# 注意：如果是在本机测试，host 可以改为 "localhost"
client = MouseTClient(api_key="mouset-dev-key", host="8.134.163.182", port=8000)

result = client.fetch_path([100, 100], [800, 600])
if result:
    print(f"✅ 生成成功 | 延迟: {result['latency_ms']}ms")