功能

1. 屏幕截图捕获 📸

通用 (macOS & Windows):

• 全屏捕获
• 区域捕获 (指定坐标)
• 窗口捕获 (特定应用程序窗口)
• 剪贴板截图访问

实现: pyautogui.screenshot() + PIL.Image

2. 视觉识别 👁️

通用 (macOS & Windows):

• 图像匹配/在屏幕上定位
• 带置信度阈值的模板匹配
• 多尺度匹配 (处理不同分辨率)
• 颜色检测和区域提取

可选 OCR:

• 从截图进行文本识别 (需要 pytesseract + Tesseract OCR 引擎)

实现: opencv-python + pyautogui.locateOnScreen()

3. 鼠标和键盘控制 🖱️⌨️

通用 (macOS & Windows):

• 鼠标移动 (绝对和相对坐标)
• 鼠标点击 (左键、右键、中键、双击)
• 鼠标拖放
• 滚轮操作
• 键盘文本输入
• 键盘快捷键和热键
• 特殊键组合

实现: pyautogui

4. 窗口管理 🪟

macOS 实现:

• 列出所有应用程序窗口
• 获取窗口位置、大小、标题
• 激活/最小化/关闭窗口
• 移动和调整窗口大小
• 启动/退出应用程序

实现: 通过 subprocess 使用 AppleScript

Windows 实现:

• 与 macOS 相同的功能
• 附加功能: 获取窗口句柄 (HWND)、进程信息
• 与 Windows 窗口管理器更好的集成

实现: pywinauto 或 pygetwindow

5. 浏览器自动化 🌐

通用 (macOS & Windows):

• 网页截图
• 元素截图
• 页面导航
• 表单填写和点击
• 网络监控
• 性能分析

实现: Chrome DevTools MCP (独立工具)

6. 系统集成 🔧

剪贴板操作:

• 读取/写入剪贴板内容
• 支持图像和文本

实现: pyperclip + pyautogui

技术实现细节

Python 环境设置

# 创建虚拟环境
python3 -m venv ~/.nanobot/workspace/macos-automation/.venv

# 激活
source ~/.nanobot/workspace/macos-automation/.venv/bin/activate

# 安装依赖
pip install pyautogui opencv-python-headless numpy Pillow pyperclip

# macOS 特定
# (AppleScript 是内置的，无需安装)

# Windows 特定
pip install pywinauto pygetwindow

关键库参考

平台特定说明

macOS 特定事项

所需权限:

• 辅助功能 : 系统设置 > 隐私与安全性 > 辅助功能
• 屏幕录制 : 系统设置 > 隐私与安全性 > 屏幕录制

AppleScript 注意事项:

• 某些现代应用程序 (例如 Chrome) 可能对 AppleScript 支持有限
• 窗口标题可能被截断或本地化
• 某些操作需要应用程序处于最前面

坐标系:

• 原点 (0, 0) 在左上角
• Retina 显示屏: pyautogui 自动处理缩放

Windows 特定事项

管理员权限:

• 某些操作 (例如，与提升权限的窗口交互) 可能需要管理员权限

高 DPI 显示屏:

• Windows 缩放可能影响坐标精度
• 使用 pyautogui.size() 获取实际屏幕尺寸

窗口句柄 (HWND):

• Windows 提供低级窗口句柄用于精确控制
• pywinauto 提供高级和低级访问

错误处理模式

import pyautogui
import time

# 模式 1: 带退避的重试
def retry_with_backoff(func, max_retries=3, base_delay=1):
    for i in range(max_retries):
        try:
            return func()
        except Exception as e:
            if i == max_retries - 1:
                raise
            delay = base_delay * (2 ** i)
            print(f"Retry {i+1}/{max_retries} after {delay}s: {e}")
            time.sleep(delay)

# 模式 2: 带后备方案的安全操作
def safe_screenshot(output_path):
    try:
        screenshot = pyautogui.screenshot()
        screenshot.save(output_path)
        return output_path
    except Exception as e:
        print(f"Screenshot failed: {e}")
        return None

# 模式 3: 坐标边界检查
def safe_click(x, y, max_x=None, max_y=None):
    """安全点击，确保坐标在屏幕范围内"""
    if max_x is None or max_y is None:
        max_x, max_y = pyautogui.size()
    
    x = max(0, min(x, max_x - 1))
    y = max(0, min(y, max_y - 1))
    
    pyautogui.click(x, y)

按场景的使用示例

场景 1: 自动化测试

"""
自动化 UI 测试示例
测试一个假设的登录页面
"""
import pyautogui
import time

def test_login_flow():
    # 1. 截取初始状态
    initial_screenshot = pyautogui.screenshot()
    initial_screenshot.save("test_01_initial.png")
    
    # 2. 查找并点击登录按钮
    button_location = pyautogui.locateOnScreen(
        "login_button.png",
        confidence=0.9
    )
    if button_location:
        center = pyautogui.center(button_location)
        pyautogui.click(center.x, center.y)
        time.sleep(1)
    
    # 3. 输入用户名
    pyautogui.typewrite("testuser@example.com", interval=0.01)
    pyautogui.press('tab')
    
    # 4. 输入密码
    pyautogui.typewrite("TestPassword123", interval=0.01)
    
    # 5. 点击提交
    pyautogui.press('return')
    time.sleep(2)
    
    # 6. 验证结果
    result_screenshot = pyautogui.screenshot()
    result_screenshot.save("test_02_result.png")
    
    # 检查是否出现成功提示
    success_indicator = pyautogui.locateOnScreen(
        "success_message.png",
        confidence=0.8
    )
    
    if success_indicator:
        print("✅ 测试通过：登录成功")
        return True
    else:
        print("❌ 测试失败：未找到成功提示")
        return False

# 运行测试
if __name__ == "__main__":
    test_login_flow()

场景 2: 数据录入自动化

"""
数据录入自动化示例
将 Excel 数据自动填入网页表单
"""
import pyautogui
import pandas as pd
import time

def automate_data_entry(excel_file, form_template):
    """
    从 Excel 读取数据并自动填入表单
    
    Args:
        excel_file: Excel 文件路径
        form_template: 表单字段与 Excel 列的映射
    """
    # 1. 读取 Excel 数据
    df = pd.read_excel(excel_file)
    print(f"读取到 {len(df)} 条记录")
    
    # 2. 遍历每条记录
    for index, row in df.iterrows():
        print(f"\n正在处理第 {index + 1} 条记录...")
        
        # 3. 填写每个字段
        for field_name, column_name in form_template.items():
            value = row.get(column_name, '')
            
            # 查找表单字段（需要提前准备字段截图）
            field_location = pyautogui.locateOnScreen(
                f"form_field_{field_name}.png",
                confidence=0.8
            )
            
            if field_location:
                # 点击字段
                center = pyautogui.center(field_location)
                pyautogui.click(center.x, center.y)
                time.sleep(0.2)
                
                # 输入值
                pyautogui.hotkey('ctrl', 'a')  # 全选
                pyautogui.typewrite(str(value), interval=0.01)
                time.sleep(0.2)
            else:
                print(f"  ⚠️ 未找到字段: {field_name}")
        
        # 4. 提交表单
        submit_btn = pyautogui.locateOnScreen(
            "submit_button.png",
            confidence=0.8
        )
        if submit_btn:
            center = pyautogui.center(submit_btn)
            pyautogui.click(center.x, center.y)
            print("  ✅ 已提交")
            time.sleep(2)  # 等待提交完成
        else:
            print("  ⚠️ 未找到提交按钮")
        
        # 5. 准备下一条记录
        # 可能需要点击"添加新记录"或返回列表
        time.sleep(1)
    
    print("\n🎉 所有记录处理完成！")

# 使用示例
if __name__ == "__main__":
    # 表单模板：字段名 -> Excel 列名
    form_template = {
        "name": "姓名",
        "email": "邮箱",
        "phone": "电话",
        "address": "地址"
    }
    
    automate_data_entry("data.xlsx", form_template)

场景 3: 屏幕监控与告警

"""
屏幕监控与告警示例
监控特定区域变化，发现变化时发送通知
"""
import pyautogui
import cv2
import numpy as np
import time
from datetime import datetime

def monitor_screen_region(region, template_image=None, check_interval=5, callback=None):
    """
    监控屏幕特定区域的变化
    
    Args:
        region: (left, top, width, height) 监控区域
        template_image: 要查找的模板图像路径（可选）
        check_interval: 检查间隔（秒）
        callback: 发现变化时的回调函数
    
    Returns:
        监控会话对象（可调用 stop() 停止）
    """
    class MonitorSession:
        def __init__(self):
            self.running = True
            self.baseline = None
        
        def stop(self):
            self.running = False
    
    session = MonitorSession()
    
    print(f"🔍 开始监控区域: {region}")
    print(f"⏱️  检查间隔: {check_interval}秒")
    print("按 Ctrl+C 停止监控\n")
    
    try:
        while session.running:
            # 捕获当前区域
            current = pyautogui.screenshot(region=region)
            current_array = np.array(current)
            
            if template_image:
                # 模式1: 查找模板图像
                template_location = pyautogui.locateOnScreen(
                    template_image,
                    confidence=0.8
                )
                
                if template_location:
                    print(f"✅ [{datetime.now()}] 找到模板图像: {template_location}")
                    if callback:
                        callback('template_found', {
                            'location': template_location,
                            'screenshot': current
                        })
            else:
                # 模式2: 检测变化
                if session.baseline is None:
                    session.baseline = current_array
                    print(f"📸 [{datetime.now()}] 已建立基准图像")
                else:
                    # 计算差异
                    diff = cv2.absdiff(session.baseline, current_array)
                    diff_gray = cv2.cvtColor(diff, cv2.COLOR_RGB2GRAY)
                    diff_score = np.mean(diff_gray)
                    
                    if diff_score > 10:  # 阈值可调
                        print(f"⚠️  [{datetime.now()}] 检测到变化! 差异分数: {diff_score:.2f}")
                        if callback:
                            callback('change_detected', {
                                'diff_score': diff_score,
                                'screenshot': current,
                                'baseline': session.baseline
                            })
                        # 更新基准
                        session.baseline = current_array
            
            time.sleep(check_interval)
    
    except KeyboardInterrupt:
        print("\n🛑 监控已停止")
    
    return session

# 使用示例
def alert_callback(event_type, data):
    """告警回调函数示例"""
    if event_type == 'template_found':
        print(f"🎯 模板出现在: {data['location']}")
        # 可以在这里发送通知、发送邮件、执行操作等
    elif event_type == 'change_detected':
        print(f"📊 变化强度: {data['diff_score']}")
        # 保存差异图像
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        data['screenshot'].save(f"change_{timestamp}.png")

if __name__ == "__main__":
    # 示例1: 监控屏幕变化
    print("=== 监控屏幕变化 ===")
    monitor = monitor_screen_region(
        region=(0, 0, 1920, 1080),  # 全屏
        check_interval=5,           # 每5秒检查一次
        callback=alert_callback
    )
    
    # 10分钟后停止（实际使用可以一直运行）
    # time.sleep(600)
    # monitor.stop()
    
    # 示例2: 查找特定图像
    # monitor = monitor_screen_region(
    #     region=(0, 0, 1920, 1080),
    #     template_image="target_button.png",  # 要查找的图像
    #     check_interval=2,
    #     callback=alert_callback
    # )

高级技巧

处理多显示器

import pyautogui

def get_all_screen_sizes():
    """获取所有显示器尺寸（仅 Windows 支持多显示器详细信息）"""
    # macOS 返回主屏尺寸
    # Windows 可以使用 pygetwindow 或 win32api 获取多显示器信息
    
    primary = pyautogui.size()
    print(f"主屏幕尺寸: {primary}")
    
    # Windows 示例（需要安装 pywin32）
    try:
        import win32api
        monitors = win32api.EnumDisplayMonitors()
        for i, monitor in enumerate(monitors):
            print(f"显示器 {i+1}: {monitor[2]}")
    except ImportError:
        pass
    
    return primary

def screenshot_specific_monitor(monitor_num=0):
    """截图指定显示器（实验性功能）"""
    # 目前 pyautogui 主要支持主显示器
    # 多显示器支持需要平台特定代码
    pass

性能优化

import cv2
import numpy as np
import pyautogui
import time
from functools import lru_cache

class ScreenCache:
    """屏幕缓存优化器"""
    
    def __init__(self, cache_duration=0.5):
        self.cache_duration = cache_duration
        self.last_capture = None
        self.last_capture_time = 0
    
    def get_screenshot(self, region=None):
        """获取截图（带缓存）"""
        current_time = time.time()
        
        # 检查缓存是否有效
        if (self.last_capture is not None and 
            current_time - self.last_capture_time < self.cache_duration and
            region is None):
            return self.last_capture
        
        # 捕获新截图
        screenshot = pyautogui.screenshot(region=region)
        
        if region is None:
            self.last_capture = screenshot
            self.last_capture_time = current_time
        
        return screenshot
    
    def clear_cache(self):
        """清除缓存"""
        self.last_capture = None
        self.last_capture_time = 0

class FastImageFinder:
    """快速图像查找器（使用多尺度金字塔）"""
    
    def __init__(self, scales=[0.8, 0.9, 1.0, 1.1, 1.2]):
        self.scales = scales
    
    def find_multi_scale(self, template_path, screenshot=None, confidence=0.8):
        """
        多尺度图像查找
        
        Returns:
            (x, y, scale) 或 None
        """
        if screenshot is None:
            screenshot = pyautogui.screenshot()
        
        template = cv2.imread(template_path)
        if template is None:
            return None
        
        screenshot_cv = cv2.cvtColor(np.array(screenshot), cv2.COLOR_RGB2BGR)
        
        for scale in self.scales:
            # 缩放模板
            scaled_template = cv2.resize(
                template,
                None,
                fx=scale,
                fy=scale,
                interpolation=cv2.INTER_AREA
            )
            
            # 模板匹配
            result = cv2.matchTemplate(
                screenshot_cv,
                scaled_template,
                cv2.TM_CCOEFF_NORMED
            )
            
            _, max_val, _, max_loc = cv2.minMaxLoc(result)
            
            if max_val >= confidence:
                h, w = scaled_template.shape[:2]
                center_x = max_loc[0] + w // 2
                center_y = max_loc[1] + h // 2
                return (center_x, center_y, scale)
        
        return None

# 使用示例
cache = ScreenCache()
finder = FastImageFinder()

# 快速截图（带缓存）
screenshot = cache.get_screenshot()

# 多尺度图像查找
result = finder.find_multi_scale("button.png", screenshot)
if result:
    x, y, scale = result
    print(f"找到图像: ({x}, {y}), 缩放: {scale}")

安全考虑

"""
安全最佳实践
"""

import pyautogui
import hashlib
import time

class SecureAutomation:
    """安全自动化包装器"""
    
    def __init__(self):
        self.action_log = []
        self.max_retries = 3
        self.rate_limit_delay = 0.1  # 操作间隔
    
    def log_action(self, action, details):
        """记录操作日志"""
        timestamp = time.strftime("%Y-%m-%d %H:%M:%S")
        log_entry = {
            'timestamp': timestamp,
            'action': action,
            'details': details,
            'hash': hashlib.md5(f"{timestamp}{action}{details}".encode()).hexdigest()[:8]
        }
        self.action_log.append(log_entry)
    
    def safe_click(self, x, y, description=""):
        """安全点击（带验证）"""
        try:
            # 验证坐标在屏幕范围内
            screen_width, screen_height = pyautogui.size()
            if not (0 <= x < screen_width and 0 <= y < screen_height):
                raise ValueError(f"坐标 ({x}, {y}) 超出屏幕范围")
            
            # 执行点击
            pyautogui.moveTo(x, y, duration=0.2)
            time.sleep(self.rate_limit_delay)
            pyautogui.click()
            
            # 记录日志
            self.log_action('click', f"({x}, {y}) - {description}")
            
            return True
            
        except Exception as e:
            self.log_action('click_failed', f"({x}, {y}) - Error: {str(e)}")
            return False
    
    def safe_typewrite(self, text, interval=0.01):
        """安全输入（敏感信息不记录）"""
        try:
            pyautogui.typewrite(text, interval=interval)
            self.log_action('typewrite', f"输入 {len(text)} 个字符 [内容已隐藏]")
            return True
        except Exception as e:
            self.log_action('typewrite_failed', f"Error: {str(e)}")
            return False
    
    def get_action_report(self):
        """生成操作报告"""
        total = len(self.action_log)
        successful = sum(1 for log in self.action_log if 'failed' not in log['action'])
        failed = total - successful
        
        report = f"""
=== 自动化操作报告 ===
总操作数: {total}
成功: {successful}
失败: {failed}
成功率: {(successful/total*100):.1f}%

详细日志:
"""
        for log in self.action_log:
            report += f"[{log['timestamp']}] [{log['hash']}] {log['action']}: {log['details']}\n"
        
        return report

# 使用示例
secure = SecureAutomation()

# 执行安全操作
secure.safe_click(500, 400, "登录按钮")
secure.safe_typewrite("username@example.com")
secure.safe_click(500, 450, "密码输入框")
secure.safe_typewrite("********")
secure.safe_click(500, 500, "提交按钮")

# 生成报告
print(secure.get_action_report())

故障排除指南

常见问题及解决方案

1. 权限错误

症状: pyautogui 因权限错误而失败或捕获黑屏截图。

macOS 解决方案:

1. 打开系统设置 > 隐私与安全性 > 辅助功能
2. 添加您的终端应用程序 (例如 Terminal.app, iTerm.app 或 Python 可执行文件)
3. 对屏幕录制权限重复上述步骤

Windows 解决方案:

1. 如果需要，以管理员身份运行
2. 检查 Windows Defender 或杀毒软件是否阻止

2. 坐标不准确

症状: 点击或截图未命中预期目标。

可能原因:

• 高 DPI / Retina 显示缩放
• 具有不同分辨率的多显示器
• 窗口装饰或任务栏影响坐标

解决方案:

import pyautogui

# 调试: 打印屏幕信息
print(f"Screen size: {pyautogui.size()}")
print(f"Mouse position: {pyautogui.position()}")

# 处理高 DPI (Windows)
import ctypes
ctypes.windll.user32.SetProcessDPIAware()  # Windows only

3. 图像识别失败

症状: locateOnScreen 返回 None，即使图像可见。

常见原因:

• 分辨率不匹配 (在不同缩放比例下捕获的图像)
• 颜色深度差异
• 透明度或 Alpha 通道问题
• 置信度阈值过高

解决方案:

import pyautogui
import cv2
import numpy as np

# 解决方案 1: 降低置信度
location = pyautogui.locateOnScreen('button.png', confidence=0.7)  # 默认是 0.9

# 解决方案 2: 多尺度匹配 (参见性能部分中的 FastImageFinder 类)
finder = FastImageFinder(scales=[0.5, 0.75, 1.0, 1.25, 1.5])
result = finder.find_multi_scale('button.png')

# 解决方案 3: 转换为灰度进行匹配
screenshot = pyautogui.screenshot()
screenshot_cv = cv2.cvtColor(np.array(screenshot), cv2.COLOR_RGB2GRAY)
template = cv2.imread('button.png', cv2.IMREAD_GRAYSCALE)

result = cv2.matchTemplate(screenshot_cv, template, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

if max_val >= 0.8:
    print(f"找到匹配，置信度: {max_val}")
    h, w = template.shape
    center_x = max_loc[0] + w // 2
    center_y = max_loc[1] + h // 2
    pyautogui.click(center_x, center_y)

4. 性能缓慢

症状: 操作缓慢，CPU 使用率高，或出现明显延迟。

优化策略:

1. 减少截图频率

   • 尽可能缓存截图
   • 使用特定区域捕获而非全屏

2. 优化图像匹配

   • 在匹配前调整大图像大小
   • 当颜色不重要时使用灰度匹配
   • 设置适当的置信度水平

3. 批量操作

   • 将多个操作分组
   • 最小化不必要的延迟

详细代码示例请参见"性能优化"部分。

5. 应用程序特定问题

浏览器自动化:

• 现代浏览器可能阻止自动化
• 对于网页，使用 Chrome DevTools Protocol 而非 pyautogui
• 对于复杂的 Web 自动化，考虑使用 Playwright 或 Selenium

游戏/图形应用程序:

• DirectX/OpenGL 应用程序可能无法通过标准截图捕获
• 可能需要专门的工具 (例如 OBS Studio 的捕获 API)

受保护内容:

• DRM 保护的内容 (Netflix 等) 无法截图
• 这是系统级别的限制

与其他工具的集成

与 ChatGPT/AI 助手集成

此技能设计用于与 nanobot 等 AI 助手配合使用。以下是集成方法:

# 示例: AI 助手使用此技能

def ai_assisted_automation(user_request):
    """
    AI 助手使用自动化技能
    
    Args:
        user_request: 用户的自然语言请求
    """
    # 1. AI 解析用户意图
    intent = parse_intent(user_request)
    
    if intent == 'screenshot':
        # 2. 执行截图
        screenshot = pyautogui.screenshot()
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        path = f"screenshot_{timestamp}.png"
        screenshot.save(path)
        return f"已截图并保存到: {path}"
    
    elif intent == 'click_button':
        # 2. 查找并点击按钮
        button_name = extract_button_name(user_request)
        location = pyautogui.locateOnScreen(f"{button_name}.png")
        if location:
            pyautogui.click(pyautogui.center(location))
            return f"已点击按钮: {button_name}"
        else:
            return f"未找到按钮: {button_name}"
    
    # ... 其他意图处理

与 CI/CD 流水线集成

# 示例: GitHub Actions 使用此技能进行视觉测试

name: Visual Regression Tests

on: [push, pull_request]

jobs:
  visual-test:
    runs-on: macos-latest  # or windows-latest
    
    steps:
    - uses: actions/checkout@v3
    
    - name: Set up Python
      uses: actions/setup-python@v4
      with:
        python-version: '3.11'
    
    - name: Install dependencies
      run: |
        pip install pyautogui opencv-python-headless numpy Pillow
    
    - name: Run visual tests
      run: python tests/visual_regression.py
    
    - name: Upload screenshots
      uses: actions/upload-artifact@v3
      with:
        name: screenshots
        path: screenshots/

与监控系统集成

# 示例: 与 Prometheus/Grafana 集成进行屏幕监控

from prometheus_client import Gauge, start_http_server
import pyautogui
import time

# 定义指标
screen_change_gauge = Gauge('screen_change_score', 'Screen change detection score')
template_match_gauge = Gauge('template_match_confidence', 'Template matching confidence')

start_http_server(8000)

def monitoring_loop():
    baseline = None
    
    while True:
        # 捕获屏幕
        current = pyautogui.screenshot()
        current_array = np.array(current)
        
        if baseline is not None:
            # 计算变化
            diff = cv2.absdiff(baseline, current_array)
            diff_score = np.mean(diff)
            screen_change_gauge.set(diff_score)
        
        baseline = current_array
        
        # 检查模板
        try:
            location = pyautogui.locateOnScreen('alert_icon.png', confidence=0.8)
            if location:
                template_match_gauge.set(1.0)
            else:
                template_match_gauge.set(0.0)
        except:
            template_match_gauge.set(0.0)
        
        time.sleep(5)

monitoring_loop()

未来路线图

计划功能

1. Linux 支持

   • X11 和 Wayland 兼容性
   • xdotool 和 scrot 集成
   • mss 用于多显示器支持

2. AI 驱动的识别

   • 与 OpenAI GPT-4V 或 Google Gemini 集成进行视觉理解
   • 自然语言元素查找 ("点击蓝色的提交按钮")
   • 使用视觉模型进行无 OCR 文本提取

3. 移动设备支持

   • Android: ADB (Android Debug Bridge) 集成
   • iOS: 通过 Appium 使用 WebDriverAgent
   • 截图和触摸模拟

4. 云集成

   • AWS Lambda 支持无服务器自动化
   • Azure Functions 和 GCP Cloud Functions 兼容性
   • 分布式截图处理

5. 高级分析

   • 用于 UI 更改的内置 A/B 测试框架
   • 从用户交互生成热图
   • 性能回归检测

贡献

我们欢迎贡献！请参阅 贡献指南 了解详细信息:

• 代码风格和格式化
• 测试要求
• 文档标准
• 拉取请求流程

许可证

此技能根据 MIT 许可证授权。详情请参阅 LICENSE。

最后更新: 2026-03-06
版本: 1.0.0
维护者: nanobot skills team

每周安装

95

仓库

zrong/skills

GitHub 星标

2

首次出现

Mar 7, 2026

安全审计

Gen Agent Trust HubPassSocketPassSnykWarn

安装于

cursor95

kimi-cli94

gemini-cli94

codex94

opencode94

github-copilot94