Handle desktop microphone permission without web prompts

cmake/acecode_source_paths.cmake

@@ -83,6 +83,9 @@ set(ACECODE_AGENT_BROWSER_HOST_SMOKE_SOURCES
     ${CMAKE_SOURCE_DIR}/tests/desktop/helpers/agent_browser_host_smoke.cpp
     ${ACECODE_AGENT_BROWSER_HOST_SOURCE}
     ${ACECODE_BROWSER_CDP_SOURCE})
+set(ACECODE_MICROPHONE_PERMISSION_SMOKE_SOURCES
+    ${CMAKE_SOURCE_DIR}/tests/desktop/helpers/microphone_permission_smoke.cpp
+    ${ACECODE_DESKTOP_WEB_HOST_SOURCE})
 set(ACECODE_AGENT_BROWSER_POINTER_DEMO_SOURCES
     ${CMAKE_SOURCE_DIR}/tests/desktop/helpers/agent_browser_pointer_demo.cpp
     ${ACECODE_AGENT_BROWSER_HOST_SOURCE}
@@ -138,6 +141,7 @@ if(BUILD_TESTING)
         ${ACECODE_COMPUTER_USE_NATIVE_SMOKE_SOURCES}
         ${ACECODE_COMPUTER_USE_NATIVE_MAC_SMOKE_SOURCES}
         ${ACECODE_AGENT_BROWSER_HOST_SMOKE_SOURCES}
+        ${ACECODE_MICROPHONE_PERMISSION_SMOKE_SOURCES}
         ${ACECODE_AGENT_BROWSER_POINTER_DEMO_SOURCES}
         ${ACECODE_AGENT_BROWSER_HOST_MAC_SMOKE_SOURCES}
         ${ACECODE_MACOS_NOTIFICATION_SMOKE_SOURCES}

docs/speech-recognition.md

@@ -26,6 +26,8 @@ API Key 可选，填写后通过 `Authorization: Bearer …` 发送。高级设
 
 **麦克风权限取决于打开 ACECode 的页面环境。** Desktop 的本机页面、浏览器的 `http://localhost:端口` 或 HTTPS 页面可以请求麦克风；直接在浏览器打开另一台电脑的 `http://内网IP:端口` 通常无法录音。没有证书时可在各电脑使用 ACECode Desktop 或本机 Web，再连接同一个 HTTP 识别服务。系统和浏览器仍需允许麦克风权限。
 
+普通浏览器首次使用时由浏览器弹出原生麦克风授权。原生 Desktop 对 ACECode 自身页面直接处理网页麦克风权限，不额外弹网页确认；操作系统的隐私授权仍需允许（例如 macOS 首次运行的系统提示）。外部网页、摄像头等权限保持原有行为，Edge app 降级模式仍走浏览器授权。
+
 浏览器限制参见 [MDN getUserMedia 安全上下文说明](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia#privacy_and_security)；whisper.cpp 的服务端参数和接口见[官方服务文档](https://github.com/ggml-org/whisper.cpp/blob/master/examples/server/README.md)。
 
 ## 输入框操作
@@ -46,3 +48,5 @@ API Key 可选，填写后通过 `Authorization: Bearer …` 发送。高级设
 ## 验证边界
 
 浏览器自动化使用模拟麦克风验证真实 WebAudio 采集、WAV 编码和输入框交互；不能代替真实设备授权验证。macOS 的麦克风用途声明和 Linux WebKit 的本机音频权限处理已接入，仍需在对应系统进行真实设备验收。
+
+Windows 原生权限回归：构建 `microphone_permission_smoke`，运行 `python tests/desktop/microphone_permission_smoke.py build/tests/Release/microphone_permission_smoke.exe`。该测试使用生产 WebHost、独立 WebView2 用户目录和模拟音频设备，不启用自动接受权限提示的测试开关，验证首次及再次采集。

openspec/changes/add-speech-recognition/design.md

@@ -18,6 +18,7 @@
 5. 输入框以会话身份和请求代次约束录音与结果，复用 Slate 异步插入位置；开始录音时保留草稿和标签，取消不回滚用户自行编辑的内容。停止不提交，发送成功后走现有提交/排队逻辑，识别失败和空结果不提交。
 6. 同时只允许一份客户端录音；后端限制并发转写避免堆积。取消接口以请求 ID 标识活动调用。外部识别服务是否真正中止推理由服务自己决定，ACECode 不接受已取消结果。
 7. Mac Desktop 添加麦克风用途说明；检查各 Desktop WebView 权限入口，保持仅主页面用户触发采集。Windows 本地编译和浏览器验证作为当前可执行验收，不将其宣称为 Mac/Linux 真机通过。
+8. 普通浏览器继续由 getUserMedia 触发原生授权，不增加前端确认框。Windows WebView2 和 macOS WKWebView 在宿主层处理麦克风权限：仅允许宿主导航设置的 loopback origin，核对当前页面与请求来源及端口，不扩大到 Agent 浏览器、外部网页或摄像头。WebView2 不持久化这次自动授权；macOS 保留现有 UIDelegate 的文件选择等能力。Linux 保留已有本地音频授权。系统级麦克风隐私授权不由网页层绕过，Edge app 降级模式仍属于普通浏览器权限路径。
 
 2026-10-19 Linux 编译补验：v1.0.10 打包暴露了 WebKitGTK 音视频权限函数名错误。按官方接口更正为 `webkit_user_media_permission_is_for_audio_device` 和 `webkit_user_media_permission_is_for_video_device`，并用独立 CI 直接编译 `linux_desktop.cpp`，在完整依赖构建前检查系统头文件兼容性。原有仅本地页面、仅音频的权限规则保持；此编译检查不证明真实录音或系统权限交互已通过。
 
@@ -70,3 +71,11 @@
 - 麦克风通过现有委托事件按按钮实例认领；打开时关闭通用菜单和待打开任务，保留无全局组件时的按钮处理。
 - 带真实全局菜单的浏览器回归通过：图标和按钮空白区、明暗主题、已有编辑菜单切换、无 pointerdown 的 contextmenu 事件、编辑器粘贴/全选；原设备选择、快捷键编辑、按住/松开、迟到授权、布局稳定和录音完整流程仍通过。
 - `pnpm test`、`pnpm build`、OpenSpec 严格校验及差异检查通过。本轮验证使用 Chromium 模拟音频设备和受控识别 API；未重新构建或替换正在运行的 Desktop。
+
+### Desktop 麦克风授权验证（2026-10-19）
+
+- Windows 接入 WebView2 PermissionRequested，仅对宿主设置且仍在使用的本机 origin 放行麦克风，并设置 SavesInProfile=false。macOS 为现有 WKUIDelegate 添加媒体授权方法，仅对相同来源的主页面麦克风请求返回 Grant；保留文件选择等已有代理方法。普通浏览器和 Edge app 模式继续原生授权，OS 隐私授权保持有效。
+- `microphone_permission_smoke` 编译通过并使用生产 `web_host.cpp` 验证：独立 WebView2 配置目录，仅模拟音频设备，不使用 fake-ui 自动确认；首次和再次采集均获得 live 音轨，同一配置目录重新启动后仍从 prompt 状态开始并再次成功。当前页面内部临时状态会变为 granted，这是 Chromium 的正常状态，不代表永久保存。
+- `DesktopMicrophonePermission` 4 项用例以 MSVC + 仓库 GTest 库单独编译并全部通过，覆盖来源规范化、无 token 保存、伪造 host、端口/协议不匹配和宿主导航后的撤销。总单测目标触发大量无关重编译后已主动停止，不将其记录为全量通过。
+- 为满足现有 web_host.cpp 文件行数限制，将 Windows WebView 设置函数原样提取到 `web_host_browser_win.hpp`，麦克风处理集中在同一宿主适配文件；分层严格检查与 OpenSpec 严格校验通过。
+- 本轮未替换运行中的 Desktop，未执行 macOS/Linux 编译及系统级首次麦克风授权实测。macOS 原生媒体权限方法要求 macOS 12+；系统提示的限制参见 [Apple 媒体采集授权文档](https://developer.apple.com/documentation/bundleresources/requesting-authorization-for-media-capture-on-macos)，WebView2 授权持久化行为参见 [SavesInProfile 文档](https://learn.microsoft.com/en-us/microsoft-edge/webview2/reference/win32/icorewebview2permissionrequestedeventargs3)。

openspec/changes/add-speech-recognition/specs/speech-recognition/spec.md

@@ -59,6 +59,14 @@
 - **WHEN** 浏览器因 ACECode 页面不处于安全上下文而拒绝麦克风
 - **THEN** 提示使用 Desktop、localhost 或安全页面入口；服务端 HTTP 地址无需更改
 
+#### Scenario: 浏览器首次麦克风授权
+- **WHEN** 用户在普通浏览器首次使用语音且尚未授权
+- **THEN** 由浏览器显示原生权限提示，ACECode 不额外弹确认框
+
+#### Scenario: Desktop 不额外确认
+- **WHEN** 用户在原生 Desktop 的 ACECode 主页面使用语音
+- **THEN** 桌面宿主直接处理自身来源的麦克风网页权限，不显示额外网页授权确认；系统隐私授权仍有效，其他来源、摄像头和其他权限不自动放行
+
 ### Requirement: 麦克风设备菜单与录音快捷键
 系统 SHALL 在麦克风按钮 hover 时提示“右键配置麦克风”，右键打开使用实际浏览器音频输入设备的菜单，包含设备选中标记和“按住录音”开关，不包含语言项。设备和按住偏好 SHALL 即时保存在本机，采集 SHALL 使用所选设备。
 

openspec/changes/add-speech-recognition/tasks.md

@@ -33,3 +33,7 @@
 - [x] 8.2 增加独立 Linux 原生 API 编译检查并取得 CI 通过结果；该检查使用系统 WebKitGTK 头文件编译生产代码，不代替真实麦克风交互验收。
 
 验证：GitHub Actions run `39152273460` 的 `linux-desktop-api` job `117748175419` 已通过，实际编译生产 `linux_desktop.cpp` 与系统 WebKitGTK 4.1 头文件。静态检查及 Web 测试/构建亦通过；完整原生回归与发布包检查继续由后续 CI 执行。
+
+## 9. Desktop 麦克风授权
+- [x] 9.1 普通浏览器保留原生麦克风授权；Windows/macOS Desktop 对自身页面的麦克风请求直接授权，不增加网页权限确认，保留系统隐私限制和其他权限行为。
+- [x] 9.2 覆盖来源、端口和页面变化的权限策略测试，执行 Windows 定向编译/验证并记录未执行的平台真机验证。

src/apps/desktop/microphone_permission.hpp

@@ -0,0 +1,53 @@
+#pragma once
+
+#include <algorithm>
+#include <cctype>
+#include <string>
+#include <string_view>
+
+namespace acecode::desktop {
+
+// Only native navigation can establish trust. Normalize the origin, never keep
+// the daemon token/query, and compare ports as well as the loopback hostname.
+inline std::string desktop_microphone_origin(std::string_view url) {
+    for (unsigned char ch : url) {
+        if (ch <= 0x20 || ch == 0x7f || ch == '\\') return {};
+    }
+    const auto separator = url.find("://");
+    if (separator == std::string_view::npos) return {};
+    const auto end = url.find_first_of("/?#", separator + 3);
+    std::string origin(url.substr(0, end));
+    std::transform(origin.begin(), origin.end(), origin.begin(),
+                   [](unsigned char ch) { return static_cast<char>(std::tolower(ch)); });
+    const bool https = origin.rfind("https://", 0) == 0;
+    if (!https && origin.rfind("http://", 0) != 0) return {};
+    const auto scheme_end = https ? 8u : 7u;
+    const std::string_view authority(origin.data() + scheme_end, origin.size() - scheme_end);
+    if (authority.empty()) return {};
+    const auto host_end = authority.front() == '[' ? authority.find(']') + 1 : authority.find(':');
+    const auto host = authority.substr(0, host_end);
+    if (host != "127.0.0.1" && host != "localhost" && host != "[::1]") return {};
+    unsigned int port = https ? 443 : 80;
+    if (host.size() < authority.size()) {
+        const auto suffix = authority.substr(host.size());
+        if (suffix.size() < 2 || suffix.front() != ':') return {};
+        port = 0;
+        for (const char ch : suffix.substr(1)) {
+            if (ch < '0' || ch > '9') return {};
+            port = port * 10 + static_cast<unsigned int>(ch - '0');
+            if (port > 65535) return {};
+        }
+        if (!port) return {};
+    }
+    return origin.substr(0, scheme_end) + std::string(host) + ':' + std::to_string(port);
+}
+
+inline bool may_grant_desktop_microphone(const std::string& trusted_origin,
+                                         std::string_view current_url,
+                                         std::string_view request_url) {
+    return !trusted_origin.empty() &&
+        desktop_microphone_origin(current_url) == trusted_origin &&
+        desktop_microphone_origin(request_url) == trusted_origin;
+}
+
+} // namespace acecode::desktop