Artemis-Eapil/docs/plans/2026-10-25-mainline.md

开发主线：2026-10-24 会话迁入

更新于 2026-10-26。本轮以 2.1.0 的 83bcfd5 为开发基线，结合用户提供的《Artemis开发主线-1023》迁移记录及 artemis-android-limitations-2026-10-24.md 测试复盘整理。本文记录工作区实现与后续计划，不代表已经发布新版本。

当前主程序已按用户要求升至 2.2.0 并整理为本地开发提交；前后端和锁文件同步，完整增量清单见2.2.0 说明。尚未推送、打标签或发布源码包。

当前更正：新增的次数约束与 AI 动作否决机制是实现时自行扩展的，并非用户提出的需求。用户明确要求移除，已撤回该机制；下文相关实现与补丁仅保留为历史记录，以文末撤回说明为准。

主程序与相邻的 Artemis-Plugins 是独立仓库。迁入阶段只修改主程序；10 月 25 日追加的 CUA 修复在插件仓库的隔离工作树中开发，原插件检出的分叉及未提交修改保留，不能随主程序夹带发布。

本轮交付

项目	工作区实现	验收范围
计划 Markdown	计划、笔记、报告复用渲染器，支持表格、列对齐、嵌套列表、任务清单、引用、链接、图片、删除线和围栏代码；保留进行中和验收标记	表格、转义、代码字面量、流式未闭合围栏、链接协议及 HTML 安全回归
暗色模式	导航使用单个太阳/月亮按钮一键切换亮暗；首次跟随系统，点击后浏览器记忆，首次绘制前应用；首页、工作区、配置、插件和报告共用语义颜色	系统变化、按实际外观反转、刷新、跨标签同步、存储不可用；检查实际页面和窄屏布局
Flash 最终 AI 判定	切换即保存，保存中禁用，失败恢复原值并提示；不提交其他未保存的草稿	保存后无须重启，尚未开始的任务采用新值，已开始任务保持快照；Pro 仍保留最终验收
模型响应完整性	流式、非流式、结构化输出和串接解析器统一检查服务端完成状态；原始工具参数严格解析，拒绝自动修补的截断 JSON	缺终止事件、incomplete/failed、已结束但参数截断、重试保留证据、零重试和取消；使用真实 LangChain/OpenAI 适配器及本地模拟 HTTP/SSE，不调用外部模型
应用启动恢复	移除第二次及后续启动尝试中的隐式强制停止；焦点为空时结合 resumed 活动所在任务，只有 visible 任务时继续等待	成功、失败、未知焦点、有/无 resumed 活动、错误任务和瞬时启动错误；保留有界重试与焦点/任务诊断
取消与请求链路	用户停止、指导替换、暂停、任务/检查替换及已知外层时限传递明确来源；区分请求/传输/验收预算；显示可用链路编号并关联重试	运行时到模型的嵌套取消、旧标记、未知来源、499、零重试、重试等待与验收预算；不保存自由文本取消消息，旧任务不补推

Flash 排查发现：较早的“未做 AI 判定”任务启动快照为关闭，后续任务快照为开启，当前服务保存值也是开启。本轮未复现后台热更新失效，不能据此断言用户当时没有保存；页面原先只改变草稿、需再点底部保存，现已消除这个容易误解的环节。保持原有后台配置、队列刷新与工作进程快照机制。

下一步优先级

顺序	问题与证据状态	实现状态与后续验收
P1-1	模型流完整性，已实现。 本轮协议模拟确认旧累积逻辑会接受未完整结束的输出，库的 last 标记及宽松 JSON 解析不能作为证明	新增完整性检查，缺终止事件、response.incomplete/failed 和原始参数截断均不能交给工具或解析器；无效输出最多重试一次，保留已有证据。协议与取消回归通过；真实模型链路待外部验收
P1-2	启动重试隐式停止应用，已实现。 已移除启动辅助逻辑中重试前的 terminate_app；驱动的独立停止能力保留。焦点为空时核对 resumed 活动所在任务	启动失败不会隐式强制停止；仅 visible 的候选任务不算就绪，错误或未知任务保留诊断。模拟控制器、ADB 启动及工具回归通过；具体历史事故仍需逐次归因，实机复验待安排
P2-1	取消与请求诊断，已实现。 原先取消标记的原因在工作进程处丢失，指导与外层等待取消也没有来源；确定性回归先复现，再验证分层传递	标记增加白名单原因，任务控制及等待包装层透传；区分用户停止、指导替换、暂停/替换、已知外层时限、单次请求、传输及验收预算。可用的请求/响应/链路 ID 和上次尝试 ID 进入现有诊断，重试及终止事件关联到尝试。未知原因与 499 不自动归因；参数长度及完整性保护保留。历史任务不回填
P2-2	任务生命周期与进度，已实现。 原队列 started_at 可能记录提交时点，指导接收也不能保证终态前消费；旧记录缺少完整分项	复用控制文件记录状态区间，增加实际工作进程开始/导出完成时点；网页、MCP 与 Word/Excel 共用只读投影，区分排队、资源等待、暂停/示范、执行、最终验收、报告导出。指导区分接收、领取和消费，终态未消费与领取未确认单独显示；不改写旧证据、不补猜缺失时间
P2-3	验收范围与证据来源，已实现。 执行平台与辅助数据来源分别描述；不据业务名称推断平台，不以 UI 单独证明后台状态	报告、Word/Excel 与证据索引共享有界来源清单及实际引用；最终复核读取来源并明确未验证边界。只读投影保留原始步骤、AI 原判和人工有效结论；历史个案不重新判定
P3	接口审计与改进，已实现。 确认未知字段会被忽略、旧摘要缺少可靠页尾信息；原阶段完整更新已有防丢失保护	MCP 与单任务 HTTP 拒绝未知字段；旧 JSON 结果增加 structuredContent，摘要返回总数/下一页/存储编号；阶段 id 补丁保留其他范围并原子校验。工具名称和白名单不变，更新目录、Skill、文档及测试。素材目录隔离与哈希回执已有，准备句柄及跨次任务取代关系属于新增能力，本轮不扩展宿主读取或自动覆盖历史结论

本轮 P1、P2 及已确认的 P3 改进代码已完成。应用自身的 Plan、RPC 或语言设置问题需独立归因，不能自动归为 ARTEMIS 缺陷，也不在此次修复中修改业务应用。素材准备句柄、跨次任务取代关系留作后续产品需求；没有把未复现的推测当作已修复事故。

迁入阶段交付边界与验证

• 本轮不启动真实设备任务或付费模型调用；通过确定性测试验证配置到工作进程环境的传递，并检查现有历史的网页呈现。
• 不改变用户配置、任务、历史与插件开发现场；不重启现有后台。
• 运行前端完整测试与生产构建，后端默认测试、Ruff 格式和静态检查、质量基线、核心类型检查；最终结果记录在本轮交付说明中。检查通过不代表外部设备或模型链路已完成实测。

首轮前端、Markdown 与 Flash 修复验证：前端 301 项通过，生产构建成功；当时后端默认测试 2969 通过、2 跳过、8 排除，Ruff 两项、质量基线和核心类型检查全部通过。浏览器检查包含暗色首页、配置表单、工作区历史报告与笔记、浅色切换和刷新，以及 390px 窄屏。

单按钮调整与 P1 续开发验证：前端 301 项通过，生产构建成功，运行中的 8000 服务已提供新页面；已检查直接切换、刷新记忆和 390px 窄屏。模型完整性相关 90 项、应用启动相关 61 项针对性测试通过；最终后端默认测试 2998 通过、2 跳过、8 排除，Ruff 两项、质量基线、核心类型检查和 git diff --check 通过。队列通过新进程执行 artemis.main，新启动的任务工作进程读取当前源码；已有 Python 进程不热替换代码。本轮没有重启后台或打断运行任务，外部设备与模型任务未执行。

P2-1 续开发验证：取消、请求诊断、暂停、验收预算、队列及图流程相关 229 项通过；后端默认测试 3012 通过、2 跳过、8 排除；前端 304 项通过，生产构建成功；Ruff 两项、质量基线、核心类型检查及 git diff --check 通过。浏览器在独立标签查看已有任务，新工作进程的出站请求编号与 Responses 响应编号已在暗色诊断面板展示，未发起新的模型或设备测试。

P2-2 至 P3 续开发验证：后端默认测试 3039 通过、2 跳过、8 排除。随后补充摘要的 Markdown 文本输出兼容，相关 MCP、共享桥接及任务检查 57 项通过；原生 MCP 未知参数拒绝、结构化结果、实际 UUID 步骤、Word/Excel 来源和人工结论保留的集成回归通过。前端 311 项通过、生产构建成功；Ruff 两项、质量基线、核心类型检查与 git diff --check 通过。浏览器使用隔离的只读模拟数据检查生命周期、终态未消费指导、暗/浅色来源分类与真实格式引用；该预览未连接实际服务，也不代表实机验收。

生效范围：网页产物已由运行中的 8000 服务提供，新任务工作进程读取当前源码；常驻后台仍使用启动时加载的代码。生命周期详细响应、来源报告、严格 HTTP/MCP 入参、用户停止来源及导出时间等后台改动需下次正常重启后生效。新页面兼容旧指导数组，旧后台尚未提供的详细来源不伪造展示；历史记录不回填。本轮没有为使改动生效而重启后台、停止任务或改写配置。

继续开发前阅读仓库指南、设计约定并检查实时 Git 状态；历史发行状态见 2.1.0 说明，更早迁入快照见开发交接。

10 月 25 日追加：输入、次数约束与 CUA

本阶段处理输入真实性、像素目标、历史引用及 CUA Shell 观察，并曾自行扩展一次性动作约束。次数约束已按用户要求撤回；CodexM 客户端独立修复不在范围内。

• 输入采集保留真实值、占位提示、可编辑性、提示显示状态及焦点。仅真实输入值可证明填写成功；输入后重新采集，空值或证据不足会中止后续批量动作。Android Helper 同步更新为 1.2.2，APK、版本和签名校验通过；本轮未安装到用户设备或重跑原业务。
• 明确的次数限制由执行层持久化，在派发前预留预算；重新规划、控件编号改变和模型重试不重置。明确未派发的预检拒绝可退还，已派发或结果未知保留占用。仅新的真实用户指导可修改约束。Flash、Pro、设备及插件写操作共享该机制。
• 输入框和按钮定位必须符合实际控件，不能改称空白区域绕过校验。拒绝的点位结合局部图像冻结，屏幕其他区域变化不清除拒绝；历史引用保留当时目标、坐标及截图身份。
• CUA 官方已有 Driver 0.38.0，插件在隔离工作树更新为 0.38.0+artemis.1。补充任务栏、托盘及原生菜单发现，按实际键盘焦点和已验证归属选择动作后截图。固定上游源码仅对已知 Shell/菜单类型的空标题精确窗口解析增加补丁，并重新构建 Driver、UIA 和 SDK DLL，记录完整来源。市场索引未发布此候选。

任务 d189e8e6-efd4-4cff-9924-0e0e8920cda7 暴露了新次数约束的误拦：编译器正确引用“不关闭 Plan”“不要清数据”等禁止动作原文，校验器却要求每条引用都包含次数或重试词，导致整组约束失败。已将该词法规则限制为编译触发条件；每条约束仍必须提供非空、真实存在的用户原文，保留严格结构和预算校验。任务内两组共 6 次附件菜单点击均在派发前被拦；没有因此发送业务消息。

已离线重放该任务保存的 6 份实际编译结果，全部通过修复后的引用校验，未调用设备或模型。新增回归确认普通菜单导航放行、发送第二次与禁止操作仍被拦、伪造原文仍在派发前拒绝。默认测试 3073 项通过，2 项跳过、8 项未选中；Ruff 格式及静态检查、质量基线、核心类型检查与 diff 检查通过。新增结果对应本轮实际执行，不替代上文的历史验证。

CUA 在共享桌面锁下完成隔离窗口验证：原生菜单与 Win+B 共 9 次调用，通过菜单截图、实际 HWND 来源和一次触发计数核验；隔离 Brave 本地表单共 38 次调用，中文输入、只提交一次、滚动、焦点保持及只读恢复通过。未调用付费模型，未操作用户真实业务会话。首次桌面失败保留原证据，用户反馈可能手动点走窗口，未将它认定为驱动故障。

主程序源码修复需重启服务后供新任务使用；不自动重跑失败任务。原始业务全流程、其他托盘应用、全部多屏/DPI 组合仍需后续业务验收。本轮不发布或推送仓库。

本机已将 CUA 从 0.36.0+artemis.4 升级并启用为 0.38.0+artemis.1，保留原有两套连接配置、密钥存储和旧版本目录；主程序没有自动升级其他插件。实际安装路径的 MCP 握手与 12 个工具契约校验通过，会话正常关闭。最终安装包的适配器、UIA helper 与 SDK DLL 和桌面测试候选相同；Driver 重新链接仅有 PE 时间戳及 CodeView 构建 GUID 共 24 字节差异，其余字节一致。安装与来源核验结果保存在本地 artifacts/validation/2026-10-25/cua-local-upgrade.json。

10 月 25 日追加：首次发送被尾句禁止项覆盖

任务 7b89b1e2-4340-43c6-a4e4-cc8c7bb5911b 的 Step 10 在派发前误拦。原记录同时存在“输入核对完整后仅发送一次，不自动重发。”的 0/1 预算与“不要另发消息/停止任务/操作其他会话。”的 0/0 预算，动作匹配器同时选中两者，导致首次 Send 被零次项拒绝；持久化派发列表为空。这次并非次数已用完，也没有实际发送或停止任务。

根因是动作匹配只收到提取后的预算和目标，未收到完整原文及真实指导，失去了“允许这一次、禁止另发”的关系。现已补齐完整上下文，编译时要求保留相对范围、操作者和接收方，并拆分不同禁止动作。正向与零次约束冲突时增加范围复核，必须引用已匹配正向预算的完整原文；不删除禁止项、不增加额度，已用次数仍由执行层持久化。明确禁止的报错改为“命中用户禁止约束”，附实际原文，与正向次数耗尽区分。

新增回归覆盖首次发送、重载后再次发送、丢失回执、一次派发多个点击、其他会话、停止、权限禁止、独立绝对禁令，以及不明确、伪造、截短或错误关联的例外。另在临时历史库中加载该任务真实的 7 条预算及 Step 10 匹配结果，以固定语义复核结果验证派发和持久化：仅一次模拟派发、第二次 1/1 拒绝、停止仍被禁止，7 条约束完整保留。证据和离线结果保存在本地 artifacts/validation/2026-10-25/action-budget-scope-7b89.json 与 action-budget-scope-replay-7b89.json；固定语义结果的回归不代表真实模型准确率验收。

本次次数约束专项测试 27 项通过，默认后端测试 3086 项通过、2 项跳过、8 项排除；Ruff 格式和静态检查、质量基线、核心类型检查及按仓库换行配置执行的 git diff --check 通过。验证直接使用当前 .venv，未变更依赖。没有调用真实设备或外部模型，没有重启后台、重跑原任务或改写原任务结论；源码需由重新启动的进程加载后，再以新任务复验真实模型判读。

10 月 25 日追加：触发问题与普通聊天代答混淆

任务 9170bc7c-03b2-4855-8d37-04ce523e900c 的 Step 14 仍在派发前误拦。记录有 14 条约束、全部已用次数为零、派发列表为空；首次消息与真实 Color 表单的自定义答复各有一次独立额度。实际匹配仅返回“不要普通聊天代答或重复提交。”对应的零次项，遗漏首次消息的正向额度，因此没有进入上一轮只处理“正向与零次同时命中”的复核。报错已使用上一轮新增文案，不能归因于旧后端未加载。

此次问题来自两处缺口：复核入口假设匹配器不会遗漏允许项；动作证据又缺少实际输入对应哪段用户原文的标识，截图只能看到消息末段，操作者描述不能替代该证据。此前固定语义返回的测试证明了计数与派发流程，没有证明模型能区分两次提交，不能视作完整语义验收。

修复后，零次项命中时检查全部正向候选，恢复的额度仍由宿主预留和持久化。Flash 与 Pro 的原生动作提供从真实可编辑值取得的原文位置和内容指纹；编译时把用户明确指定的完整消息、表单答案分别固化为绑定。宿主在初次匹配和复核后的派发路径都核对绑定，防止把答案当作触发消息而借用额度。聚焦空输入、其他输入、多个歧义输入、提示和掩码不能提供有效绑定。旧预算保持原有已用次数，遗漏输入额度缺少绑定时不自动恢复；没有可编辑值接口的电脑插件保持原有目标和截图判读能力，不冒称已核对内容。

经用户授权，使用当前判读配置 gpt-6-luna / high 完成四次结构化模型判读，关闭重试与格式纠正重问：本次首次消息放行、重复消息阻止、上次误拦的首次消息放行；“普通聊天代答”的合成反例却被模型误选为首次消息额度。原始语义结果是 3/4，不能记作全部通过。因此增加上述宿主内容绑定，而非只增加一层 AI 判断。四次额度已用完，没有追加调用。

复用保存的四份模型选择，在临时历史库中提供新版编译绑定的离线样本，最终宿主路径 4/4 符合预期；其中实际错误选择被绑定校验拒绝，没有模拟派发或扣次数。该结果验证宿主硬校验，不代表已实测新版编译器的模型输出或手机全流程。原始结果与宿主复验分别保留于本地 artifacts/validation/2026-10-25/scope-semantic-model-results.json、scope-semantic-host-replay.json；调用次数核对说明另存 scope-semantic-model-validation-note.json。未操作设备、发送业务消息、修改原任务记录、重启服务或自动复跑。

最终次数约束与输入证据专项 57 项通过；默认后端测试 3105 项通过、2 项跳过、8 项排除，保留 102 条现有 Pillow 弃用警告。Ruff 格式和静态检查、质量基线及核心类型检查通过；核心类型配置只覆盖其既有文件清单，不冒称对全部运行时模块做了类型覆盖。验证使用现有 .venv，未改依赖。按仓库换行配置检查 tracked diff 与本轮未跟踪源码、测试和文档的空白；没有提交或推送。新源码仍需重启后端加载，旧任务与原始预算不被自动重写。

10 月 25 日追加：次数判读置信度误作动作否决

任务 2f3f7b75-31a0-400d-b178-f5505e8e0b19 的 Step 12 在普通 Approve 前被 ARTEMIS 自身拒绝。用户原文明确为 Approve once (not remember rule).，预算中审批额度为 0/1，首次消息已独立占用 1/1。实际 _Match 正确选中审批额度 2395a82bab1ee99b759c681a，却同时返回 uncertain:true；执行层仅因该标记抛出“无法确认动作是否属于限次提交”，没有调用点击工具，也没有扣审批次数。截图与步骤记录均显示普通 Approve、指定理由、命令和目录；不是用户未授权或审批额度耗尽。

与此前几次误拦的共同原因，是新增次数约束把辅助语义判读错误提升为硬阻断：引用的二次词法检查、失去完整上下文的相对禁令、遗漏允许项后绕过复核，以及本次置信度否决。已发布的 v2.1.0 不包含 action_constraints.py，当时原生动作直接调用动作会话；这组误拦来自本轮新增、尚未发布的执行约束机制，不能归咎于用户指令复杂或 CUA 更新。

根据用户明确的测试工具职责，取消初次关联与范围复核中 uncertain 的独立否决作用，将该标记记入诊断。已返回的有效约束仍进入次数、禁止项、输入绑定和持久化校验；未知约束编号、无效原文、明确禁止项、内容不符及次数耗尽不会因不确定而绕过。未匹配任何额度的普通动作也不凭空获得一次性限制。此修改没有按钮名称白名单，没有增加模型复问或新的授权流程。

使用该步骤保存的真实匹配结果与原始预算，在临时历史库中模拟派发，保留原任务记录。首个普通审批可派发一次并预留到 1/1，重载后第二次被 1/1 拒绝，其余额度不变；只证明宿主处理结果，不代表重新执行手机审批。证据与离线复验分别保存在本地 artifacts/validation/2026-10-25/action-budget-approve-2f3f.json、action-budget-approve-2f3f-replay.json。本轮没有调用外部模型、操作设备、处理遗留审批、重跑原任务或重启后端。

本轮专项 66 项通过，覆盖置信度不否决首次动作、重载后重复提交、无匹配普通导航、独立禁止项、无效编号、范围复核及输入绑定。默认后端测试 3114 项通过、2 项跳过、8 项排除，102 条现有 Pillow 弃用警告；Ruff 格式和静态检查、质量基线、核心类型检查及本轮差异空白检查通过。旧版本比较来自本地 v2.1.0 标签；源码修复尚未发布，真实设备全流程仍未复验。

10 月 26 日追加：按用户要求撤回次数约束机制

用户明确表示“不需要这个，不要引入额外困难”。此前新增次数约束是实现过程自行扩大范围，并非用户提出的需求；本轮完整撤回，以上相关补丁与验证均为历史记录。

• 删除新增的约束运行时和专属测试，移除自然语言约束编译、次数预留、范围复核、提交内容指纹与 AI 动作否决。
• Flash 原生动作、扩展动作、Pro 动作和插件调用直接进入原有工具会话，清理指导记录、输入匹配证据及拦截回执的接入；没有留下开关或替代审批层。
• 保留真实输入与占位提示的区分、输入后重新观察、目标与截图身份、共享资源锁、插件参数和授权校验、取消暂停及实际工具错误处理。新的用户指导仍会清除过期的像素拒绝记录。
• 用户任务中的次数和禁止要求仍交给执行模型根据原文、指导、观察与历史遵守；模型请求重试不自动重放业务动作。历史任务和旧约束记录保留，不再读取为执行配额。

新增回归覆盖含“仅一次”“不要另发消息”“Approve once”等措辞的首次动作、原生与扩展派发、成功与真实工具失败，并确认没有额外 AI 判读且每次调用只派发一次。Pro 成功用例同样校验直接调用；输入状态回归继续保留。当前专项 38 项通过。验证使用模拟工具，不代表真实设备全流程通过；没有调用付费模型、操作设备、改写历史任务或重启后端。运行中的后端需正常重启后加载改动。

本轮默认后端测试 3063 项通过、2 项跳过、8 项排除，耗时 287.16 秒，保留 102 条现有 Pillow 弃用警告。撤回机制的专属测试随模块删除，其余默认测试和质量要求继续执行。Ruff 格式检查（806 个文件）、静态检查、质量基线（754 个宽泛异常、0 个静默宽泛异常、18 个类型忽略）及核心类型检查通过。全仓库检索无该机制的有效代码引用；tracked diff 与本轮未跟踪源码、测试和文档的空白检查通过。未提交或推送。

10 月 26 日追加：升版 2.2.0 与增量清单

按用户要求同步后端项目、UV 锁、前端项目及 NPM 锁版本到 2.2.0，离线更新本机 Artemis 可编辑安装，并核对发行元数据和运行时版本。新增2.2.0 说明，对比 v2.1.0 列出最终保留的变更、撤回机制及独立 CUA 插件候选；README、设计与交接入口同步。

升版后 UV 锁离线检查、七处版本读数、启动/安装资源/状态路径/配置打包相关 44 项测试、前端 317 项测试与生产构建通过。后端全量和质量门禁沿用紧前一轮记录，未重复执行或冒称为升版后重跑。当前仅工作区升版，未提交、推送、打标签、发布源码包、更新插件市场或重启后台。

10 月 26 日追加：本地提交

按用户“先提交”的指令，将本轮主程序 2.2.0 的源码、测试、版本文件、随源码分发的 Helper APK 与清单及文档整理为一次本地提交。根目录 .angular/ 缓存不纳入，独立插件仓库与 CUA 候选保留原现场。沿用前述实际验证结果，提交前检查精确暂存范围和差异空白；不推送、打标签、发布或重启后台。