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.

skills/artemis-use/references/diagnostics.md

@@ -0,0 +1,43 @@
+# 任务排查与复盘
+
+用户给了任务编号就先针对该编号取证，不重跑业务，不停止其正在运行的任务，不把最新失败任务替换成用户指定任务。
+
+## 定位顺序
+
+1. `mobile_manage_task(action="status", trace_id=...)`，区分排队、执行、等待指导、暂停、收尾与终态。`current_step` 是动作步号，不等于模型请求数。
+2. `mobile_inspect_trace(action="view_report", trace_id=..., offset=0, limit=20)` 读取统一结果与有限步骤。`test_result.source=human` 时同时展示 AI 原判，不能用旧 AI 结论覆盖人工复验。
+3. 根据问题只读相应资料：
+
+| 问题 | inspect action | 要核对的证据 |
+| --- | --- | --- |
+| 长时间没动、API 超时、no tool call | view_requests | 请求开始/结束、模型、阶段、请求ID、重试、是否终止；HTTP 200 不表示输出结束 |
+| token 特别多、缓存是否生效 | view_usage，再按需 view_requests | prompt/completion/cached、调用数、角色/模型分组；未记录字段不能补猜 |
+| Python、ADB、插件错误 | view_logs | 该任务 stdout/stderr 有限尾部；脱敏文本和实际错误链 |
+| 点错、未验证、与结论矛盾 | search → view_step_details / view_step_screenshots | 动作前后画面、工具参数与实际回执、窗口和坐标尺寸 |
+| PC 黑屏、录像空洞、文件没保存 | view_evidence | 来源、时间、录屏片段、调用回执及附件，不用手机画面代替电脑画面 |
+
+`offset/limit` 分页，使用返回的 next_offset；view_logs 的 offset 从最新行向前计数，返回每页仍按时间正序，超过尾部读取窗口的旧字节会注明。text_truncated=true 时缩小范围或读取指定步骤，不把截断当成内容缺失。
+
+`search` 使用 query 或 step_range，不会执行历史动作。`view_summary` 也有分页，不用它一次加载整条长任务。
+
+## 缓存与耗时
+
+- 缓存命中率 = cached_tokens / prompt_tokens，分母不是总 token，也不是缓存命中的请求数。
+- 输入 token 包括缓存部分。报告输入总量、缓存量、未缓存输入、输出、调用数，保留缺少统计的限制。没有用量记录不等于零费用；没有价格信息不臆算账单。
+- 按角色/模型分组判断消耗来源，不能把 Checker、视频分析和执行模型混为一个请求。旧数据未记录模型时注明 unknown。
+- 请求阶段和重试用于解释等待，时间戳 Unix 秒及 UTC 转成用户当地时区；注明时区。无终止事件或 unknown 不能当成功。
+- 区分模型生成耗时、设备/插件操作耗时、排队及用户等待。先找实际重复观测、工具参数膨胀、无进展循环，再建议优化。
+
+## 环境与插件
+
+工具报连接/设备异常时用 `mobile_diagnose`。服务未启动时让用户先启动 ARTEMIS，不经 MCP 拉起另一个副本。一般检查先不启用付费凭据验证或真实设备探测；需要确认凭据或观测链路时再用 verify_credentials / probe_device。设备自愈用 attempt_fix，仅按返回的 next_steps 处理。
+
+`mobile_workspace` 可见插件及 blocked_resources。只对相关已安装插件做 probe_plugin 连接检查；它会启动插件进程。结果不确定的写动作不能自动再点一次，资源保护解除由用户在网页确认。
+
+## 结果与交付
+
+给出具体结论、支持它的任务/步骤/请求编号、影响与缺失证据。执行失败不必然是被测产品缺陷；验收失败也不必然是工具故障。
+
+用户只问复盘时不重新执行、不改验证结果。用户明确给出人工复验结论时，使用 mobile_manage_task(action="review", trace_id=..., review_status="passed"或"failed", review_reason=用户理由, user_confirmed=true)。AI 自己的分析不能使用这个入口冒充人工判定。
+
+用户需要资料时再 mobile_export_report；已有 report/evidence 查看不会生成 ZIP。交付真实路径或链接，并说明未验证项。