butubb
24d57d3b96
背景：文档长期落后于代码（Tab 数、任务类型、接口示例等多处与现状不符）， 且信息分散重复。这次按当前代码状态逐篇重写，并建立统一的文档体系。 新增 - doc/README.md：文档总索引（文档地图 / 推荐阅读路径 / **文档维护约定**） - doc/DATA_MODEL.md：数据模型（7 张模型表 + 5 张非模型表、迁移机制、app_meta 键、 数据目录、备份覆盖清单与双向自检） - doc/AI_CONSOLE.md：AI 控制台机制（会话与 SSE、经验库/动作库蒸馏与召回、巡检、 Markdown 渲染、推理链、token 统计、故障排查） 重写（按现状，去掉过时与重复） - README.md：7 个 Tab、18 种步骤、设备生命周期、调度/窗口语义、常见问题；修掉 「6 个 Tab / 分组为顶级 Tab」等过时内容与损坏的目录树 - doc/ARCHITECTURE.md：补启动装配顺序（import 期副作用、A~G 七阶段）、线程与锁清单、 设备状态机、调度全链路、前端结构与实时通道、设计决策、**已知缺陷与踩坑清单**、扩展点 - doc/API.md：按蓝图重建「接口总索引」（107 条路由含鉴权）+ 分域详细说明 + 非 JSON 响应汇总 + 错误分支速查 - doc/TASK_DEV.md：18 种步骤全表（参数/默认值/语义）、容器与公共参数、 选择器与 XPath 序号语义、抓取器建议规则、新增任务类型骨架 - doc/DEPLOY.md：容器入口 start.sh 三件事、发布流程与检查清单、备份覆盖红线、 按现象分类的故障排查 - doc/DEVELOPMENT.md：流程/红线/本地开发/**测试与写测试的约定**/配置速查/文档同步 - doc/MCP.md：19 个工具的参数级清单、坐标空间、写门控三连、安全与审计 - doc/MCP_DESIGN.md、doc/AI_TASK_GEN.md：标注设计 vs 实现现状，补交叉链接 - doc/backlog/TODO.md：新增「已知缺陷」小节（含复现与影响）+ 已完成留档 - .env.example：按代码实际读取的键重写（补 USB/DISCOVERY/MCP/AGENT，删死配置） 其它 - 项目名统一 auto_control：README/文档/scripts/pack.py 产物名；代码内的 doc 章节引用（templates/admin/monitor.html）同步更新 - 校验：16 篇文档 156 条相对链接全部可解析；文档中的关键数字与代码核对一致 （19 个 MCP 工具 / 18 种步骤 / 12 张备份表 / 1 种任务类型）
211 lines
10 KiB
Markdown
211 lines
10 KiB
Markdown
# AI 控制台（AI_CONSOLE）
|
||
|
||
> 适用读者：使用 AI 控制台的人 + 改这部分代码的开发者。
|
||
> 相关文档：[API.md](API.md) §12（接口）、[MCP.md](MCP.md)（AI 用的工具层）、[AI_TASK_GEN.md](AI_TASK_GEN.md)（"一句话建任务"的设计稿，尚未实现）。
|
||
|
||
---
|
||
|
||
## 1. 它是什么
|
||
|
||
「AI 控制台」是后台的一个顶级 Tab（仅管理员）：选一台设备，用自然语言下指令，AI 通过 MCP 工具**看屏幕、点按、输入**，边做边把过程和结论流式显示出来。
|
||
|
||
```
|
||
你：「打开小红书搜索苏州好吃的饭店，把前 5 条列出来」
|
||
AI：de_list_devices → de_screenshot → de_tap_text("搜索") → de_type_text("苏州好吃的饭店")
|
||
→ de_screenshot → de_ui_tree → … → 汇总结论（Markdown 表格）
|
||
```
|
||
|
||
两个"自进化记忆"让它越用越顺：
|
||
|
||
| 记忆 | 存什么 | 怎么产生 | 怎么用 |
|
||
|------|--------|---------|--------|
|
||
| **🧠 经验库** | 任务级**操作配方**（这一步该怎么做） | 一轮任务成功后由模型蒸馏 | 相似任务开始时召回注入 system prompt |
|
||
| **🎬 动作库** | **命名动作**（可复用的动作单元，带元素定位） | 从**成功步骤**蒸馏，禁坐标 | 相似任务开始时召回注入，可直接复用定位 |
|
||
|
||
---
|
||
|
||
## 2. 使用
|
||
|
||
### 2.1 配置（首次必做）
|
||
|
||
右上角 **⚙ 配置**：
|
||
|
||
| 项 | 说明 |
|
||
|----|------|
|
||
| API Base | OpenAI 兼容地址（默认 `https://api.deepseek.com`） |
|
||
| 模型名 | 如 `deepseek-v4-flash-vision-exp`（需支持**视觉**，因为要看截图） |
|
||
| API Key | 只存数据库 `app_meta`，回显打码 |
|
||
| 默认设备 | 不选目标设备时用它 |
|
||
| 最大步数 | 1-200，默认 40（每轮模型调用算一步） |
|
||
|
||
> 配置存在数据库（`app_meta` 的 `agent_*` 键），**不在 `.env`**。`CLI（mcp_agent/cli.py）` 走的是环境变量 `AGENT_*`，两套互不影响。
|
||
|
||
### 2.2 跑一轮
|
||
|
||
1. 选 **🎯 目标设备**（AI **只操作你选定的设备**；有任务在跑的设备不可选）
|
||
2. 输入指令，Enter 发送
|
||
3. 右侧「📺 实时画面」自动跟随 AI 操作的设备（MJPEG）
|
||
4. 中途可「■ 停止」（下一个检查点生效，通常几秒内）
|
||
5. 刷新/换窗口：会话与运行状态都会自动恢复（见 §3.3）
|
||
|
||
### 2.3 会话管理
|
||
|
||
左侧会话列表 = 多轮对话（DeepSeek 风格）：不同话题建不同会话，历史消息会作为上下文续上（最近 12 轮）。会话条目上显示 ID（前 8 位，点击复制），便于反馈问题时引用 `conv=<id>`。
|
||
|
||
---
|
||
|
||
## 3. 机制
|
||
|
||
### 3.1 执行链路
|
||
|
||
```
|
||
POST /api/agent/run web/agent_api.py 起后台线程（单实例：同时只允许一个）
|
||
│
|
||
├─ 经验召回 _find_experiences(prompt) ─┐
|
||
└─ 动作召回 _find_actions(prompt) ├─ 拼成 extra_context 注入 system prompt
|
||
┘
|
||
▼
|
||
mcp_agent.Agent.run_stream(prompt, serial, history, on_delta, on_tool, on_usage, …)
|
||
│ 循环（最多 max_steps 轮）：
|
||
│ ① 流式调模型（OpenAI 兼容 /chat/completions）
|
||
│ ② 有 tool_calls → 执行 MCP 工具 → 结果回灌 → 继续
|
||
│ 截图工具的结果会转成 image_url 追加，模型"看得见"
|
||
│ ③ 无 tool_calls → 本轮即最终回答
|
||
▼
|
||
事件 → queue → SSE /api/agent/stream → 前端
|
||
```
|
||
|
||
- 一轮整体超时 **900 秒**；达到步数上限会让模型做一次收尾总结
|
||
- 工具调用由 MCP Server 执行（`:8033`），后者再调平台 HTTP 接口/直连设备
|
||
- **设备忙时拒绝**：目标设备正在跑任务 → `409`（"AI 不与任务抢设备"）
|
||
|
||
### 3.2 会话消息模型
|
||
|
||
`agent_conversation.messages`（JSON 数组）：
|
||
|
||
```json
|
||
[{"role": "user", "content": "…"},
|
||
{"role": "assistant", "content": "最终回答（Markdown）",
|
||
"usage": {"prompt_tokens": 3480, "completion_tokens": 126, "total_tokens": 3606, "calls": 1},
|
||
"reasoning": "模型的推理链（最多保留 6000 字符）"}]
|
||
```
|
||
|
||
> `usage` / `reasoning` **只用于前端展示与回看**；回灌给模型的历史只取 `role` / `content`（不污染上下文预算）。
|
||
|
||
### 3.3 SSE 事件与刷新恢复
|
||
|
||
| event | payload | 前端行为 |
|
||
|-------|---------|---------|
|
||
| `delta` | `{"text","kind":"content"\|"reasoning"}` | 正文增量渲染 Markdown；推理增量进入可折叠「💭 思考过程」 |
|
||
| `step` | `{"tool","args","image"?}` | 追加工具卡片（含缩略截图，点击放大）；伪卡片提示经验/动作命中与沉淀 |
|
||
| `usage` | `{"prompt_tokens","completion_tokens","total_tokens","calls"}` | 刷新单条消息脚注与顶栏「本会话累计」 |
|
||
| `done` | `{"answer","usage"}` | 最终答案 + 收尾 |
|
||
| `error` | `{"message"}` | 展示错误（MCP 不可达等已转成明确文案） |
|
||
|
||
**刷新/重连不丢进度**：服务端事件队列保留积压，页面重新订阅（`GET /api/agent/stream?run_id=`）后会补发 delta/step/usage/done；`EventSource.onerror` **刻意不结束运行**，靠自动重连续上。另外 `GET /api/agent/run` 提供状态快照（其他窗口/8s 轮询用）。
|
||
|
||
### 3.4 token 统计
|
||
|
||
- 请求带 `stream_options.include_usage`，服务端在**末尾 chunk** 返回 usage
|
||
- 按「每次模型调用」累加（多轮工具调用会累加多次）；`calls` = 模型调用次数
|
||
- 个别网关不认该参数会直接 400/422 → **自动关掉并重试一次**，不影响主流程（只是没有 token 数字）
|
||
- 展示位置：单条消息脚注（`🪙 3,606 tokens（↑3,480 ↓126 · 1 次调用）`）+ 顶栏「🪙 本会话 3,606 tokens」
|
||
|
||
### 3.5 回答渲染
|
||
|
||
- **Markdown**：自研轻量渲染器（`static/admin/markdown.js`，**无 CDN 依赖**，生产在内网）
|
||
支持标题/段落/列表（含嵌套）/表格/代码块/引用/链接；**先 `esc()` 转义再套标记**，所以模型输出里的 HTML 只会显示为文本
|
||
- **推理链**：`<details>` 折叠块，流式时展开、正文开始时自动收起；手动点过后不再自动改；摘要显示字数
|
||
- **工具卡片**：每步 MCP 调用一行（工具名 + 参数 + 截图缩略）
|
||
|
||
---
|
||
|
||
## 4. 经验库
|
||
|
||
### 4.1 产生（蒸馏）
|
||
|
||
一轮任务**成功执行过工具**后，把「任务描述 + 工具序列」交给模型，提炼成一段**可复用的操作配方**（纯文本，不含具体坐标）。
|
||
|
||
健壮性设计（都是踩坑后加的）：
|
||
|
||
| 措施 | 原因 |
|
||
|------|------|
|
||
| 蒸馏调用**关闭推理**（`thinking: {"type":"disabled"}`） | 推理模型会把 token 预算烧在 reasoning 上，导致 `content` 为空/被截断 → 经验被静默丢弃 |
|
||
| 纯文本问法 + 质量门槛 | 早期提示词里放了可照抄的占位示例，模型会把 `"1. …\n2. …"` 原样当配方存下来 |
|
||
| 截断容忍解析 | JSON 被截断时逐个对象抢救 |
|
||
| 失败有日志 | 不再静默 |
|
||
|
||
### 4.2 召回
|
||
|
||
相似任务开始时按 bigram 相似度检索（阈值 + 取前 2 条），拼进 system prompt，并在对话里推一张「🧠 经验记忆」卡片（"命中 N 条同类历史经验，已注入参考"）。命中会累加 `hits`。
|
||
|
||
### 4.3 巡检（质量治理）
|
||
|
||
- 每日 **03:47**（独立 APScheduler）自动跑一轮：把经验交给模型评审，输出「保留 / 建议删除」+ 评分 + 理由，写入 `experience_audit`
|
||
- 也可在面板里手动触发
|
||
- **删除永远需要人工确认**（巡检只打标 `pending`，面板上显示 ⚠ 建议删除 + 理由，人工点「确认删除」或「保留」）
|
||
- 「保留」会记 `action='kept'`，后续不再重复建议
|
||
|
||
### 4.4 面板
|
||
|
||
「🧠 经验库」按钮打开：列表（任务描述、配方摘要、引用次数、巡检建议）+ 删除/保留操作。
|
||
|
||
---
|
||
|
||
## 5. 动作库
|
||
|
||
### 5.1 与经验库的区别
|
||
|
||
| | 经验库 | 动作库 |
|
||
|---|--------|--------|
|
||
| 粒度 | 整个任务的操作套路（文字） | 单个可复用动作（结构化步骤） |
|
||
| 内容 | 自由文本配方 | 命名动作 + `steps`（编辑器 schema，**带元素定位**） |
|
||
| 用途 | 让 AI 知道"这类任务一般怎么做" | 让 AI 直接复用"打开抖音"这种动作，跳过重新探索 |
|
||
|
||
### 5.2 产生（蒸馏）
|
||
|
||
从本轮**成功**的步骤轨迹里提炼命名动作（如「打开抖音」）。硬约束：
|
||
|
||
- **禁坐标**：带 `click_xy` 的步骤不会被沉淀（坐标换个设备/分辨率就失效）
|
||
- 白名单步骤类型（18 种去掉 `click_xy`、`keep_screen`）
|
||
- 每类型有必填参数校验（如 `click` 必须有选择器）
|
||
- 输入/产出限量：最多 10 步输入、最多 3 个动作 × 4 步
|
||
- 保存时服务端**再校验一次**，含坐标的提交直接 400
|
||
|
||
### 5.3 召回与使用
|
||
|
||
相似任务时按动作名/别名匹配（子串或 bigram 相似度），注入「## 可复用动作」段，并推「🧠 动作经验」卡片。AI 被提示"优先按其中的元素定位操作；若与当前界面不符，再自行截图确认"。
|
||
|
||
### 5.4 面板
|
||
|
||
「🎬 动作库」：查看/编辑/删除/手动新建。编辑时直接改 `steps` JSON（有格式说明），保存走同一套校验。
|
||
|
||
---
|
||
|
||
## 6. 配置项（`app_meta`）
|
||
|
||
| key | 含义 | 默认 |
|
||
|-----|------|------|
|
||
| `agent_api_base` | 模型接口地址 | `https://api.deepseek.com` |
|
||
| `agent_model` | 模型名 | — |
|
||
| `agent_api_key` | API Key（**明文存库**） | — |
|
||
| `agent_default_serial` | 默认目标设备 | 空 |
|
||
| `agent_max_steps` | 最大步数（钳制 1-200） | 40 |
|
||
|
||
其它常量：单轮超时 900s、推理链落库上限 6000 字符、会话消息上限 60 条、历史上下文取最近 12 轮。
|
||
|
||
---
|
||
|
||
## 7. 故障排查
|
||
|
||
| 现象 | 原因 / 处理 |
|
||
|------|------------|
|
||
| 报「MCP server(8033) 不可达」 | MCP 没启动：容器由 `start.sh` 拉起；本机手动 `MCP_ALLOW_WRITE=1 python -m mcp_server.mcp_server` |
|
||
| 报模型 API **401** | API Key 无效/过期 → ⚙ 配置重填 |
|
||
| 报"请先选择目标设备" | 没选设备且没配默认设备 |
|
||
| 报"设备正在执行任务…"（409） | AI 不与任务抢设备：等任务结束，或去监控页停止该任务 |
|
||
| 没有 token 数字 | 该网关不支持 `stream_options.include_usage`（已自动降级，功能不受影响） |
|
||
| 经验/动作没沉淀 | 只有**成功执行过工具**才会蒸馏；看 `logs/web.log` 的「经验提炼 / 动作提炼」日志 |
|
||
| 推理链看不到 | 模型未返回 `reasoning_content`（非推理模型），或本轮没有推理输出 |
|
||
| 界面样式/脚本异常 | 强刷浏览器（Ctrl+Shift+R）——`markdown.js` 等前端文件有缓存 |
|