feat: add official Codex skill and harden task execution

Install and update artemis-use with task diagnostics and plugin guidance. Preserve cross-device file receipts, review canonical reports, guard stage transitions and reduce small history summaries. Improve exploration lifecycle, request recovery and browser live connections.

docs/exploration-mode.md

@@ -32,6 +32,18 @@
 
 主区域的用例卡可复制提示词，点击「查看 / 编辑」展开编辑器并保存新版本，旧版本不可变。选择已保存版本和 Flash/Pro 模式，可以指定复跑模型，也可使用普通默认模型。复跑固定版本与配置，结果与探索验收分开显示。前置条件会纳入探索用例的复跑提示词。
 
+自动提炼的提示词使用已确认的实际 URL、包名和业务输入，设备/电脑使用本次任务绑定；未指定输出位置时，报告与证据默认保存在本次任务 trace。不会生成需要另行替换的 `${名称}` 参数，也不把旧任务的窗口 ID 或证据路径当成本轮环境。生成器遇到占位符会修订一次，仍无法生成可执行提示词时保留原版本并提示重新提炼，不改变探索的实际验收结果。旧版或手动草稿中尚有占位符时，复跑/加入批次会在执行前列出未填参数；可编辑保存新版本或重新提炼。
+
+Flash、Pro 和探索共用的验收会直接收到精简文件回执，包括来源步骤、保存位置、大小和校验信息；回执只证明对应位置的文件操作，报告内容及页面结论仍须核对证据。布局问题需要结合前后画面、可阅读/操作性及用户标准；内容随滚动经过固定导航后方不单独构成缺陷。证据不足保留「未验证」，不会自动改判为通过。
+
+复跑用例保留业务操作、报告要求和通过标准，不继承探索阶段的提问、人工示范、提炼下一份用例等收尾工作；如果文档生成本身就是被测产品的功能，则保留该业务验收。旧版用例不会自动改写，可重新提炼或编辑保存新版本。
+
+Flash 的最终答复会在验收前保存到当前任务的 `notes/output.md`；需要额外交付文本文件时，可用 `save_note` 保存到同一任务的 `notes/`，返回实际路径、大小、SHA-256 和读回校验结果。`output` 保留给最终答复，独立文件使用其他名称。写入失败会明确传给验收，不虚构文件已保存，也不额外调用模型生成同一份报告。
+
+文本保存调用也记录为任务步骤，供验收与历史检索读取回执，不为此操作手机或抓取无关画面。验收收到完整 JSON 结论时优先在本地校验；可无损转换逐项结论的 `verdict` 字段别名和证据文本列表，避免仅因格式差异再次请求模型。冲突状态、非法值、截断输出或缺少检查项仍不能当作有效结论。
+
+步骤截图本身已是保存的证据。前后两次截图内容相同时可能共用一个文件，验收仍保留两次采集记录；除非任务明确要求独立命名或指定导出位置，不要求另存一份图片。执行者遗漏步骤或报告未交付，按实际情况判为阻塞或未验证；只有证据反驳业务预期时才判测试失败。
+
 「加入新批次草稿」只创建批次，在「报告与批量」确认后启动。结束后仍可在对话中讨论与修订；需要再次操作设备时点击「继续探索」，它会重新排队并观察。新指导不会改写旧任务报告。
 
 单任务和批次「全部资料」包含对话、用例版本和关联运行索引、当前任务的示范录像及原有截图/附件。其他关联任务的媒体需从对应任务导出，索引不会假称包含它们。
@@ -81,6 +93,7 @@ mobile_exploration(
 
 - 探索助手提问后会暂停，主区域和输入框显示“等待你回答”。回答前不进行最终验收，也不生成用例。
 - 新指导优先于已完成的旧计划。最终检查期间收到指导会返回执行；例如“先回到主页，再结束”需要实际完成返回操作后再验收。
+- 勾完计划不会直接结束探索。执行模型在已有上下文中交付最终报告，正文保存到任务的 `notes/output.md` 和 `result.json`，并完整写入探索对话后才进入独立验收。默认不再额外调用报告模型；报告内容仍须与实际证据核对，不能凭报告自述判为通过。报告生成期间收到新指导会继续执行并重新生成报告。
 - 设备操作及最终验收结束后进入“正在提炼用例”，此时不再接收设备指导。未发送文字会保留，提炼完成后可点击“继续探索”。用例卡片只在探索结束时展示。
 - 进入只读最终验收前停止保存录屏，模型等待、重试与用例提炼不录入视频；如需补做操作，再录制后续片段。
 - 首页探索设置使用滑块调整思考强度与时限。复跑任务显示已保存的用例名称及版本，完整提示词仍保存在任务中。