butubb
73895f7233
用户反馈：录制出来的滑动又被套上滑动那套逻辑（方向/幅度/拟人重新生成），
"导致滑动还是不顺畅"。录制就该是录制——按录下的路径与时间原样重放。
- 新步骤 `gesture`「录制手势」：存完整轨迹点列 `[[x,y,t_ms],…]`，
回放时原样交给设备（`d.swipe_points(points, duration)`），不做任何加工。
与 `swipe` 是两套东西（滑动是参数化的，录制是点列）。
- core/gesture.py（新）：
· 手机端录制 `PhoneRecorder`：`getevent` 读**真触屏**设备（自动挑 fts_ts 这类、
排除 uinput/vitural-sar 等合成节点），解析两套协议（BTN_TOUCH / ABS_MT_TRACKING_ID）；
**合成的注入事件不会出现在真触屏节点上**（实测），所以录到的只有人手的动作；
· 点列清洗：按 ≥16ms 抽稀但**末点必留**（快划时不能把收尾丢了）；
· 回放**一次调用**而不是逐点注入：实测这台设备单次触摸 RPC ≈190ms，
逐点回放 20 点要 3.8 秒——只能让设备自己插值，"时间"由点密度还原。
- 接口：POST /api/gesture/record/{start,stop}（需设备权限；重复开始返回 409）。
- 「录制手势」步骤卡片：录到就回填（手机上录 / 网页上录），显示点数/时长；
**滑动步骤上的「录制手势」按钮已移除**（按用户要求，录制不再走滑动逻辑）。
- 录制前自动唤醒设备：**息屏时 u2 抓 UI 树会从 3 秒退化到 65 秒**（实测），
截图也是黑的——这是本次排查最耗时的坑，已写进文档。
自测：假设备单测（点列/时长/抽稀/失败退回直线，10 项）；
无头浏览器 + CDP 真模拟拖动 → 录到 14 点/605ms 并按实际轨迹回填；
手机录制接口起停/重复拦截；
真机回放：用录下的轨迹跑任务 → 步骤 `gesture ok`。
⚠️ 手机端"真手指轨迹"这一段需要人真的去划才能端到端验证（我没有手指）。
文档：TASK_DEV §3.2（两套东西对比 + 三个坑）、步骤表 21 种、API、README。
230 lines
12 KiB
Markdown
230 lines
12 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），下面有两个子分栏：
|
||
|
||
| 子分栏 | 做什么 | 文档 |
|
||
|--------|--------|------|
|
||
| 💬 **聊天** | 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（本文内容） | 本文 |
|
||
| 🧭 **AI 建任务** | 描述"要什么样的自动化"，AI **自己在真机上探索**（看屏/读元素树/点按验证），把走通的路径写成**一条可调度任务**，校验后交人工在步骤编辑器确认 | [AI_TASK_GEN.md](AI_TASK_GEN.md) |
|
||
|
||
> 两个子分栏共用**同一个运行槽**（全平台同时只允许一个 Agent 运行）：建任务在探索时，聊天页会显示"● 建任务探索中"并禁用发送，反之亦然。
|
||
|
||
```
|
||
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"）
|
||
- `mode:"designer"`（AI 建任务）走同一条链路，差别：换一套 system prompt（任务设计师）、
|
||
输出上限提到 8192、**不吃聊天历史**、多一个平台级本地工具 `submit_task`
|
||
（不经 MCP，服务端用 `core/task_draft` 校验，见 [AI_TASK_GEN.md](AI_TASK_GEN.md)）
|
||
- 工具结果必须是**连续的** tool 消息：一轮里若同时调了截图与别的工具，图像会攒到本轮工具
|
||
消息发完后再作为一条 user 消息附上（否则模型侧会以"工具回应不足"报 400）
|
||
|
||
### 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","mode","draft"?,"warnings"?,"draft_error"?}` | 最终答案 + 收尾；`mode=designer` 时带任务草稿（或草稿被拦的原因） |
|
||
| `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）。
|
||
|
||
**多页面同时看同一轮**：一轮的事件用**扇出**（`web/agent_api.py` 的 `_Fanout`）发给每个订阅者各自
|
||
的队列——两个页面都收到全量事件。**不要**退回"一个 run 一个 `queue.Queue`"：那样第二个页面一订阅，
|
||
两个 EventSource 就开始瓜分同一条队列，谁先取到算谁的（2026-09-14 实测：聊天页把建任务页的 `done`
|
||
取走了，建任务页永远等不到草稿）。
|
||
|
||
### 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（21 种去掉 `click_xy`、`keep_screen`、`gesture`）
|
||
- 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 |
|
||
| `agent_task_draft` | **AI 建任务**最近一份草稿（JSON：`{draft, warnings, prompt, created}`，只留最近一份；不是任务，入库仍走人工确认） | 空 |
|
||
|
||
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；
|
||
建任务模式（designer）输出上限 8192、单工具调用上限 40 次（`mcp_agent/agent.py`）。
|
||
|
||
---
|
||
|
||
## 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 |
|