docs: 电脑操作模式进度存档(暂停待续)+ 调试脚本
- docs/computer-use-PROGRESS.md: 已完成/已知问题/关键机制踩坑记录 - tools/test-enum.ps1: EnumWindows 基准脚本(本机验证可用) - PLAN.md 更新:阶段3进行中,因余额暂停
This commit is contained in:
@@ -0,0 +1,33 @@
|
||||
# 电脑操作模式 — 进度与踩坑记录(暂停待续)
|
||||
|
||||
> 用户因 API 余额不足暂停开发。本文件记录已完成的进展与未解决问题,便于续作。
|
||||
|
||||
## 已完成 ✅
|
||||
|
||||
- **dsh-computer 插件**(comp-4/pkg-12,host-only,已运行):8 个工具注册
|
||||
- `screen_capture` — 全虚拟屏幕截图 → PNG(**实测成功**,1707x1067)
|
||||
- `screen_vision` — MiniMax M3 视觉分析(node 直连 NVIDIA API,带 429 重试)
|
||||
- `screen_move` / `screen_click` — user32 SetCursorPos + mouse_event
|
||||
- `screen_type` / `screen_key` — SendKeys
|
||||
- `screen_list_windows` / `screen_ui_tree` — EnumWindows + UI Automation
|
||||
- **视觉链路验证**:mmx 脚本与直连 API 均可用(429 限流已恢复)
|
||||
|
||||
## 已知问题 🔧(续作时优先修)
|
||||
|
||||
1. **screen_vision 语法错误**:node 视觉脚本的一行式 IIFE 有括号问题(`[stdin]:12`)。
|
||||
修复方案:改成多行格式化脚本(本仓库 tools/ 下有样例结构)。
|
||||
2. **screen_list_windows 经插件调用返回空**:脚本本体与 LF-only stdin 均在本机 pwsh
|
||||
验证正常(能列出真实窗口),但经宿主 ctx.shell 执行时 stdout 为空。
|
||||
疑点:宿主 shell 执行器对含空格 command 的 stdin 管道处理(node 的 stdin 正常,
|
||||
powershell 的不行);或 Add-Type 在 executor 环境下静默失败。
|
||||
排查建议:让工具在 exitCode==0 时也返回 stderr;或改用 `pwsh -Command -`;
|
||||
或把 PS 脚本先落盘为 .ps1 文件再 `powershell -File` 执行。
|
||||
3. **沙箱**:宿主 ctx.shell 默认 workspace-write 本机不可用 → 必须显式
|
||||
`sandboxPolicy: danger-full-access`(已解决,见 plugins/*/host.js)。
|
||||
|
||||
## 验证过的关键机制(写插件必读)
|
||||
|
||||
- ShellExecRequest **没有 args 字段** → 脚本走 stdin、数据走 env 或 JS 字面量
|
||||
- `res.stdout` 是 `CollectedOutput`(取 `.text`);结果字段 `res.exitCode`;工作目录 `workdir`
|
||||
- `btoa` base64 曾引发中文乱码 → 数据用 `JSON.stringify(JSON.stringify(...))` 嵌入
|
||||
- 本机 EnumWindows 脚本(tools/test-enum.ps1)输出真实窗口列表可作基准
|
||||
Reference in New Issue
Block a user