0 Fork 0

Files

T

chenmingxuan 83bcfd54d5 feat: release 2.1.0 with optional Flash final AI review

Default Flash final review to off and persist the setting across the UI,
MCP, SDK and queued tasks. Keep execution separate from test verdicts.

Bundle UI fonts and licenses to remove Google Fonts from startup builds.
Align backend/frontend versions and document installation and upgrades.

2026-10-23 12:36:56 +08:00

6.2 KiB

Raw Blame History

执行模式与单任务流程

怎样选模式

项目	Flash	Pro	探索
适合	目标清楚、路径明确、低分支流程；冒烟和已提炼用例复跑	复杂分支、持久计划、检查点、长程监控、ADB/日志、详细记录	流程尚未定型，用户参与纠正或示范的一个复杂用例
执行方式	单执行模型观察→动作；需要时使用定位等辅助工具	Planner 制订计划；Operator 执行；Checker 验收；按需生成报告	复用 Pro 工具和计划，加持续对话、提问等待、示范分析和用例提炼
验收	最终 AI 判定与分析默认关闭，可在全局功能配置开启	默认结束验收，可配置检查点/strict	先处理用户指导，再验收探索目标；不把示范当独立复跑通过
中途输入	`inject_instruction` 指导当前任务	同 Flash，还能记录计划及诊断信息	`message` 持续交流；结束后消息仅讨论，再操作需 `continue`
入口	`mobile_run_task(model="Flash")`	`mobile_run_task(model="Pro")`	`mobile_exploration(create/start/...)`
产物	步骤、证据、测试结果，按需导出报告	以上加计划、笔记和可选详细报告	对话、各轮执行和示范证据、一个用例的不可变版本
时限	普通执行保护，按任务配置	同 Flash	默认每段主动执行 1800 秒，达到后暂停而非判失败，可继续

不是按步数多少机械选模式。Flash 没有默认步数上限，但不具备 Pro 的持久计划、ADB shell、过程中检查点。复杂稳定路径可以在探索确认后用 Flash 复跑；需系统诊断或检查点时用 Pro。探索不是一种更高的思考强度，Pro 的 explorer_mode 也不表示创建探索会话。

模式、模型与配置

mobile_run_task.model 取 Flash / Pro。API 模型名放 runtime_overrides.model；思考强度放 runtime_overrides.reasoning_effort。批次使用 task_config.profile 选择模式，task_config.model 选择 API 模型。
探索独立配置，默认 gpt-6.1-sol/high，支持 gpt-6-astra 及已配置网关支持的自定义模型。执行、示范分析、提炼共用该探索配置；不改变 Flash/Pro 默认值。
默认 high、单次模型请求时限 300 秒。default 表示不发送思考强度，none 是显式关闭，不能混为一谈；接口不支持参数时如实报告，不擅自降级。
请求时限与整任务主动执行时限不同。排队/用户暂停不计入任务主动执行；探索等待回答、人工示范也不计入。
录屏 record_video 和 AI 视频分析 analyze_video 独立，默认关闭。需要可下载录像时明确启用录屏。
mobile_config(section="model"/"capabilities"/"exploration"/"reports") 可查看非敏感默认值。用户只要求运行本次任务时用临时覆盖；只有要求保存默认值才用 changes 和 persist_defaults=true。

Flash / Pro 提交

mobile_run_task(
    request_id="由调用方为本次提交生成的唯一编号",
    task_desc="打开目标应用设置页，确认深色主题状态，保留证据；不要修改设置。",
    model="Flash",
    device_serial="用户指定的设备编号",
    runtime_overrides={"reasoning_effort": "high", "record_video": True},
)

任务提示词包含目标、必要前置条件和预期。不把业务约束仅写在批次元数据里。
locked_app_package 限定应用；跨应用流程不应锁定单个包。
Pro 的 verification_level：off 关闭检查、final 结束检查（默认）、checkpoints 检查点加结束检查、strict 更严格检查点。关闭检查后不能把执行完成视为有验收证据。
Pro 的 explorer_mode：flash 单次定位、pro 多轮定位、ultra 深度像素分析。只有明确需要时增加感知深度，避免无必要开销。
expected_output_desc 描述 Pro 需要生成的详细报告；Flash 仍可导出已有步骤/结果报告，不依赖这个参数。
纯电脑任务 runtime_overrides.execution_target="computer"，不传手机编号；安卓为主且偶尔控制电脑时，通常保留默认目标并让 ARTEMIS 自行选择已授权插件，见插件参数。

返回后保存 trace_id。提交回复丢失时调用 mobile_manage_task(action="lookup", request_id=原编号)；得到 trace_id 后查状态。submission_state=unknown/submitting 不等于未执行，不能换编号自动重跑。

跟踪、指导与结束

mobile_manage_task(status, trace_id) 查询当前状态。按工具建议或约 30–60 秒间隔查询，用户正在追问时可立即查看；不无休止紧密轮询，不承诺宿主未实现的后台通知。
pause 返回 pausing 只代表已接收；直到 task_paused 才能认为暂停完成。resume 继续原任务，恢复后重新观察并进入资源队列。
inject_instruction 传 instruction 指导现有任务；模型等待或只读诊断可取消，已经开始的设备动作先安全结束。暂停中发送指导会恢复，用户只希望暂存文字时不要误调用。
guidance_history 区分 pending/consumed，已领取仍不保证动作成功，需读后续步骤。
Pro 连续监控的 [Loop:continuous] 里程碑结束使用 release_loop=true；自然语言“结束”不能代替明确控制信号。stop 用于用户要求取消当前任务。
completed/failed/cancelled/interrupted/skipped 为执行终态；检查 test_result 再说明通过、失败、未验证或阻塞。人工判定附来源和原 AI 判定，不改写原始证据。
实际耗时受模型、网络及设备影响，不能固定扣减 5/30 秒当作精确等待。最终外部测试脚本应使用明确等待条件。

安卓文件

任务内部支持 android_file，外层以任务目标交给 ARTEMIS，文件操作也走队列。截图原生 PNG 默认留存任务 trace；明确要求桌面时额外复制并校验，不需电脑插件。读写文本、列目录、pull/push 使用目标 Android 路径及任务文件边界，不能绕过应用私有目录权限。已有文件默认不覆盖。只有工具返回实际路径及校验结果才说明保存成功；「全部资料」导出包含任务文件。

6.2 KiB Raw Blame History