feat: add guided exploration and share user-started MCP backend

docs/exploration-mode.md

@@ -0,0 +1,86 @@
+# 探索模式：把粗略流程变成一个可复用用例
+
+在「新任务 / 首页」选择 Flash、Pro 或「探索」，描述要验证的大概流程，再点击「开始探索」。ARTEMIS 使用 Pro 的计划、工具和验收机制推进任务；遇到关键预期不明或需要选择时，在任务主区域提问。底部输入框用于回答问题、补充信息和纠正方向；探索还提供人工示范、暂停与继续。
+
+工作区底部始终指导当前选中的任务：Flash/Pro 不会因此创建新任务；探索消息与操作步骤按时间排列。同一次探索在任务队列/历史中保留一张卡，内部执行轮次可展开查看，当前步骤对应所选轮次。通过「任务范围 → 探索任务」筛选。Flash/Pro 复跑各自保留普通任务卡，可点击「查看来源探索」返回；不会自动切换成探索对话。
+
+## 模型与超时
+
+探索独立保存模型配置，默认 `gpt-6.1-sol / high`，预设也提供 `gpt-6-astra`，允许自定义模型。执行、人工示范分析、用例提炼和结束后的讨论使用这套配置。修改默认值仅影响新探索；已创建会话保留配置快照，Flash/Pro 默认值不变。
+
+默认每段主动执行 1800 秒。模型调用、设备动作、录像分析计入；排队、等待回答和人工示范不计入。到时保存进度并暂停，可点击「继续探索」开启下一段；不会仅因超时把测试判成失败，累计主动耗时仍保留。
+
+普通暂停/等待回答会释放执行资源；继续后重新排队并观察设备。服务或执行进程中断后，已保存对话、证据和用例仍可用；继续会新建关联运行，不能恢复已经丢失的内存状态。
+
+执行过程中获取设备画面超时或连接中断时，探索会保留尚未执行的指导并暂停，释放设备。确认设备恢复响应后点击「继续探索」，重新观察成功后才交给模型执行；等待期间不自动重试、不调用模型。此类暂停不等于测试失败。若设备仍不可用，会再次明确提示并暂停。
+
+队列和历史任务以等高徽标显示「探索 / Flash / Pro」。用例复跑显示实际执行模式并另标版本；尚可继续的探索只展示当前执行状态，具体轮次的阻塞原因可在执行记录查看，结束后再展示测试结论。旧任务未保存模式时显示「模式未记录」。
+
+## 我来操作
+
+1. 点击「我来操作」，选择安卓、电脑或双来源，再点击「开始示范」。电脑来源要求任务已启用支持录制的插件。
+2. 等界面显示「录制中」后再操作。ARTEMIS 会先让当前动作安全结束、停止 AI 操作，保留相应设备与插件资源，避免其他任务抢占。
+3. 操作完成后点击「操作完成，开始分析」。ARTEMIS 停止并保存录像，分析实际画面，再显示摘要。证据明确时重新观察并继续；关键步骤或预期不清楚时再提问。
+
+即使普通录屏关闭，人工示范仍单独录制。默认 15 分钟，最后 60 秒提醒，可以延长；到时保存录像并暂停，释放资源，不能自动视为示范完成。取消或分析失败也保留已取得的媒体，可发送文字说明继续。
+
+录像不录音，沿用留档尺寸、帧率和编码配置。安卓与电脑分别保存并按任务时间对齐；示范分析只使用指定的已保存片段，不用手机截图代替电脑证据。画面不可见的输入和动作不能推测，用户示范不等于模型独立复跑通过。
+
+## 用例版本与复跑
+
+探索验收通过后提炼一个用例，包含目标、前置条件、可验证路径、等待条件和预期结果。长任务会分段提炼完整路径，原始记录保留。提炼失败不改写实际测试结论，可单独重试；未通过的探索不能自动提炼成「已验证路径」，但可以手动保存草稿。
+
+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。
+
+「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。
+
+## MCP 与 Python SDK
+
+更新 MCP 配置并重载后，使用 `mobile_exploration`。它与网页共用接口、队列和存储；`list/get/case` 都是只读操作。
+
+```python
+mobile_exploration(
+    action="create",
+    request_id="case-search-create",
+    payload={
+        "goal": "探索设置搜索流程；关键预期不清楚时询问我",
+        "task_config": {"device_serial": "用户指定的设备编号"},
+    },
+)
+# 以下 exploration_id 使用 create 返回的 id。
+mobile_exploration(action="start", exploration_id="会话编号", request_id="case-search-start")
+mobile_exploration(action="get", exploration_id="会话编号", after=0)
+mobile_exploration(
+    action="message",
+    exploration_id="会话编号",
+    request_id="guide-1",
+    payload={"text": "只验证能打开搜索页，不修改设置"},
+)
+```
+
+写操作除 `pause/stop` 外均需稳定的 `request_id`；传输失败时原样重试，不生成新编号。消息 `after` 为已读最大序号；读取返回下一页，不会启动执行。运行结束看 `runs[].test_result`，不能把 `completed` 当作测试通过。
+
+| 操作 | 参数/行为 |
+| --- | --- |
+| `pause/continue/stop` | 暂停/继续/明确取消当前执行 |
+| `demonstrate` | `payload={source:"android"/"computer"/"both"}`；等 `demonstrations[].status=recording` 再操作 |
+| `demo_finish/demo_cancel` | 传 `demonstration_id`；结束分析/取消保留媒体 |
+| `demo_extend` | 另传 `payload={seconds:900}`，同一请求不会重复延长 |
+| `case` | 可传 `version` 获取旧版本 |
+| `save_case` | `payload={expected_version,case:{name,goal,preconditions,evidence}}`；版本冲突返回 409 |
+| `generate` | `payload={source_run_id,expected_version}`；返回生成任务，轮询 `get.generations` |
+| `validate` | `payload={version,profile:"flash"/"pro",task_config:{...}}` |
+| `batch` | 与 validate 相同，可加 `name`；只建草稿 |
+
+`mobile_config(section="exploration")` 读取非敏感默认值；用户授权保存后才传 `changes` 与 `persist_defaults=true`。接口不接收 API Key，模型传输仍使用已配置的 Responses 网关。
+
+远程 SDK 的 `await client.exploration(action, exploration_id=..., request_id=..., payload=...)` 使用同样动作及参数，不创建第二套执行器。详细契约与验收记录见 [设计文档](plans/2.0.0-exploration.md)。
+## 对话与结束行为
+
+- 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。
+- 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。