# 安卓原生控件与多指动作

Flash、普通 Pro 和探索共用同一套动作参数、助手执行入口与设备锁。外层 `mobile_run_task` 等 MCP 提交接口保持不变；这些是任务内供模型组合的通用工具，不绑定某个 APP 或时间轴。

| 工具 | 用途 | 主要边界 |
| --- | --- | --- |
| `read_control` | 读取范围、当前值、支持动作、选区、状态及身份 token | 只读；精确选择器必须唯一 |
| `control_action` | 原生点击、长按、聚焦、显示、设进度、滚动、编辑与 IME 提交 | 仅执行控件实际支持的动作；不回退坐标 |
| `wait_until` | 等待出现、消失、可用、选中、精确文本/数值或持续稳定 | 只读；最多 30 秒；读取失败不能证明消失 |
| `scroll_to` | 在指定唯一容器内滚动到目标 | 最多 20 次/30 秒；无进展、边界、失败或取消即停止 |
| `pinch` | 同步双指缩放，并可旋转 | 两指间距与角度可配置；最长 10 秒 |
| `touch_gesture` | 1～5 指同时按住、停留及多段连续移动 | 2～32 个关键帧；跨段保持同一次接触；最长 10 秒 |

## 控件选择与精确编辑

`selector` 中提供的属性全部按精确 AND 匹配：`resource_id`、`text`、`content_desc`、`class_name`、`package_name`、`bounds`。至少提供一项观察到的资源 ID、文本、描述或类名；包名和坐标不能单独充当语义目标。原样复制观察结果，不猜包名或省略 ID。未找到、多个匹配、不可读及不支持分别返回明确回执。

原生查询在当前窗口及同一前台 APP 不低于当前窗口的应用窗口中共同解析，跨窗口仍须唯一，不扩大到后台 APP。窗口枚举或所属窗口信息不完整时返回不可用，不能据此证明控件消失。原生写入前再次检查可见性及窗口层级：将目标裁切到所属窗口的可触区域，并扣除所有同屏更高窗口的可触区域，必须仍有可见区域；完全遮挡则返回 OCCLUDED。部分露出的编辑框可继续原生编辑，不会因 Android 选区工具栏或手柄的小幅覆盖就一律拒绝。Android 11/API 30 及以上使用系统提供的精确区域；更旧系统只能用矩形边界近似，非矩形窗口可能有偏差。透明或不可触摸的窗口也可能保守拒绝，应重新观察或关闭遮挡，不自动回退坐标。

先 `read_control`，再按实际 `actions` 操作。范围设值使用 `action="set_progress", value=...`，严格检查实际 min/max；自绘时间轴没有 range 时不能直接设置秒数。`expected_token` 可绑定之前的读数；目标文本、位置或身份变化时返回 `STALE`，由模型重新观察，避免使用旧目标。

观察列表中的 `native_selector` 是可直接复制到读取、等待、状态确保及数值反馈中的原生选择器。它优先使用资源 ID、类名和包名，不把当前读数或描述当作身份；重复 ID 或没有 ID 时才附加原始像素边界。列表 `Bounds` 是用于手势的 0–1000 归一化坐标，而 `selector.bounds` 必须是 Android 原始屏幕像素，不能混用，也不能将有损取整的列表坐标反算回去。可点击区域经过裁剪或合并时仍保留原生节点的原始边界。选择器仍逐项精确 AND 匹配；布局改变、原生窗口中有其它同名节点时可能失效或歧义，需要重新观察。`NOT_FOUND` 只表示本次选择器未匹配，不能直接推断控件没有原生语义。等待的目标文本放 `expected_text`，不要塞入身份筛选。

文本动作包括 `set_text`、`set_selection`、`replace_selection`、`ime_enter`。选择区使用 Android UTF-16 索引，不能切开代理对；例如 `A😀B中文` 中 emoji 的范围是 `[1,3]`。`replace_selection` 保留其它文字并将光标移至插入末尾；空白与空字符串按原样传入。密码字段不公开原文，不支持基于隐藏原文替换选区。`ime_enter` 仅提交控件支持的 IME 动作，不代表业务表单已成功提交。

## 手势、组合与验证

坐标空间明确写作 `normalized`（0..1000，默认）或 `pixel`（原图像素），全程只换算一次。`pinch` 的归一化间距按屏幕短边换算，保留物理纵横比例；`angle_degrees` 是起始双指方向，`rotation_degrees` 是旋转量。`touch_gesture.frames` 每项含 `at_ms` 与按固定手指顺序排列的 `points`；从 0 开始，时间严格增加，手指数量保持不变。同坐标后续帧表示继续按住。越界、相交或合并的触点在输入前拒绝，不夹到屏幕边缘。

`action_sequence` 可组合 `pinch`、`touch_gesture`、`wait_until` 及 `control_action`。控制动作成员把参数放入 `request`：`{"action":"control_action","request":{"selector":{"content_desc":"观察到的名称"},"action":"click"}}`。数量沿用任务的 `pro.execution.max_burst_actions`，等待也算成员；组内条件等待最多 3 秒，文本最多 1024 字符。全部成员先校验参数与能力，后执行；部分失败停止余下成员，保留已经完成与结果不明的回执。不要整组重发。较大文本用单独 `control_action`；序列仍保留 16,384 字符参数流保护。

`wait_until` 遇到窗口过渡产生的 READ_FAILED/UNAVAILABLE 时，在原定时限内继续只读轮询，并重新计算稳定窗口；只有可靠的后续观测才能满足条件。持续不可读会超时并保留最后的原始错误，不会当作控件消失。歧义、无效状态及不支持等错误立即返回。

原生滚动接受动作后，仍等待容器内容及目标可见性/身份连续停稳 `settle_ms`，再确认目标或追加下一次滚动；动画中短暂进入视口不能证明完成。首次内容更新有至少 500ms 的观测余量，总等待仍受 `timeout_ms` 限制，结果不明的输入不重复派发。

执行回执区分 `not_started`、`observed`、`completed`、`partial`、`cancelled`、`unknown`，并保留节点前后状态、观测与中间滚动记录。派发完成只证明 Android 完成输入，不能证明 APP 收到了输入或业务通过；键盘、弹层、透明遮挡都可能截获触点。每组动作后重新观察实际控件值、刻度或 APP 状态。取消先到会记录 operation ID，阻止迟到的同一手势；输入仍不确定时保持通道占用，旧点击/滑动也不能抢占。原生写请求不会切换到其它后端重放。

原生能力由连接时的助手声明决定。新助手协议为 3，多段/多指手势需要 Android 8.0/API 26；旧助手或其它后端不支持时工具不会暴露，直接调用也明确拒绝。没有原生语义的控件继续使用观察后手势，不能冒充原生设值。

## 时间轴精度

精确调整可绑定可选的 `feedback`：`selector` 指向原生可读取、唯一且持久的真实选中值，`value_format` 为 `range`（原生范围）、`number`（完整数字文本）或 `clock`（文本中唯一的 HH:MM:SS，换算为当天秒数），并提供同单位的 `target_value` 与 `tolerance`。不要选择录像卡片、视频水印或短暂拖动浮层，也不要在 selector 中包含会变化的读数文本。无法建立真实绑定时继续视觉观测，不能编造控件或把手势派发当作读值。

单独拖动把 feedback 放在 `drag` 参数上；“拖动后暂停”等组合把它放在 `action_sequence` 顶层，不放在 drag 成员上。输入前确认可读，整组成功后再等待读数连续稳定 `stable_ms`（默认 1000，范围 100–5000），总观察不超过 `timeout_ms`（默认 3000，上限 10000，必须大于稳定时长）。时钟稳定时长应覆盖其刷新周期。回执含 before_value、after_value、residual、within_tolerance 和连续无效次数；数值条件满足与最终业务验收分开。输入完成但读数失败或未达标仍保留完成回执，不会自动重发。

同一执行实例内，同读数、目标和策略连续两次没有减小实际误差，第三次拒绝输入，提示重新观察并放大、改变有效移动距离或使用原生设值。微改坐标不算换策略；新刻度比例、轴向或明显不同的距离可重新尝试。读数改变或任务实例更换后重新判断。此守卫依赖显式 feedback，不声称能够自动理解所有自绘控件。

所有手指路径可以通过 `region=[left,top,right,bottom]` 限定到已观察到的手势区域；坐标单位跟随 coordinate_space，右/下边界不包含在区域内。拖动、缩放或多指轨迹离开区域时整组在首个输入前拒绝；区域只验证几何边界，不证明窗口未被遮挡。calibration.tolerance 检查像素取整误差，回执给出每像素数值和允许像素误差；min_movement_px 只能填实测起效距离，过小则拒绝并要求放大。几何误差不包括读图、惯性与 APP 的内部吸附误差。

暂停或勾选等状态可用 `control_action.ensure_state`，支持 checked/unchecked、selected/unselected、text/content_desc 精确匹配及 value/tolerance。先 read_control 确认其语义，稳定 selector 不包含会改变的文字/描述。达到状态时跳过；未达到时仅操作一次，再只读等待 verify_timeout_ms（默认 1500，上限 3000）。状态缺失不当作 false，核验失败保留已完成输入，不继续盲点切换。不能假定 selected 就表示暂停。

例如，已观察确认资源 ID `player` 的描述为“播放”时表示暂停，可将以下成员放在拖动后：

```json
{"action":"control_action","request":{"selector":{"resource_id":"player"},"action":"click","ensure_state":{"state":"content_desc","expected_text":"播放"}}}
```

示例 ID 和状态含义必须换成实际观察结果。绑定时间反馈示例为 `{"selector":{"resource_id":"observed_current_time"},"value_format":"clock","target_value":63737,"tolerance":5}`，对应目标 17:42:17±5 秒；不用于日期验收或跨日时间差。

双指距离变化不一定等于 APP 比例尺变化：先小幅缩放，再读取实际刻度，建立像素与时间的局部对应。平移后等待停稳，读取残差再修正；播放中应先暂停后验收。

如果常驻读数通过标签、节点角色或层级明确绑定到固定指针当前选时，且在暂停或独立停稳观测中持续显示、与刻度一致，可以直接作为秒级证据，无须再要求粗像素插值独立达到同样精度。事件卡片、录像水印和短暂拖动浮层不能代替当前选时。真实冲突、来源不明或缺少稳定证据时继续保留不确定结论；没有可信读数时仍用刻度插值并计入读图误差。