From bffbe92d7f789c77071335eb99233f7993c1c582 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E5=BC=A0=E6=B4=B2=E5=98=89?= Date: Sun, 15 Mar 2026 20:30:15 +0800 Subject: [PATCH 1/2] update mem_scanner_sop.md --- memory/procmem_scanner_sop.md | 6 ++++++ 1 file changed, 6 insertions(+) diff --git a/memory/procmem_scanner_sop.md b/memory/procmem_scanner_sop.md index 39393fc..53256ed 100644 --- a/memory/procmem_scanner_sop.md +++ b/memory/procmem_scanner_sop.md @@ -1,5 +1,11 @@ # Memory Scanner SOP +## 0. 平台兼容性 +**支持平台**: Windows, Linux +**不支持**: macOS（缺少/proc/文件系统，无法枚举进程内存映射） + +验证日期: 2026-03-12 + ## 1. 快速开始 内存特征搜索工具，支持 Hex (CE 风格) 和 字符串匹配。特别提供 LLM 模式，方便大模型分析内存上下文。 From 19f8e41e0a3310ce3a5a9df6b5ce92ef2496bfaf Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E5=BC=A0=E6=B4=B2=E5=98=89?= Date: Wed, 15 Apr 2026 15:21:53 +0800 Subject: [PATCH 2/2] =?UTF-8?q?refactor:=20Plan=E6=A8=A1=E5=BC=8F=E4=BB=A3?= =?UTF-8?q?=E7=A0=81=E9=87=8D=E6=9E=84?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit ## 主要改动 ### ga.py - 新增 _is_in_plan_mode() 统一状态检测逻辑 - 新增 _check_plan_completion() 优化文件系统操作 - 新增 _exit_plan_mode() 统一状态清理 - 重构 do_no_tool 和 next_prompt_patcher 使用新方法 ### memory/plan_sop.md - 优化工作目录说明文案 ## 改进效果 - 消除状态检测逻辑不一致问题 - 移除递归文件搜索，改用固定路径，提升性能 - 代码可读性和可维护性提升 - 符合代码审查标准：局部可推理、逻辑收敛、无重复代码 --- ga.py | 50 ++++++- memory/plan_sop.md | 303 +++++++++++++++++++++++++++++++++++-------- memory/verify_sop.md | 106 +++++++++++++++ 3 files changed, 402 insertions(+), 57 deletions(-) create mode 100644 memory/verify_sop.md diff --git a/ga.py b/ga.py index d673405..abadd0f 100644 --- a/ga.py +++ b/ga.py @@ -271,6 +271,27 @@ def _get_abs_path(self, path): def _extract_code_block(self, response, code_type): matches = re.findall(rf"```{code_type}\n(.*?)\n```", response.content, re.DOTALL) return matches[-1].strip() if matches else None + + def _is_in_plan_mode(self): + """统一的plan模式检测逻辑""" + return self.working.get('in_plan_mode', False) or \ + ('plan_sop' in (self.working.get('related_sop') or '')) + + def _check_plan_completion(self): + """检查plan.md是否完成，返回剩余任务数。失败返回None""" + try: + plan_path = os.path.join(self.cwd, 'plan.md') + if not os.path.isfile(plan_path): + return None + with open(plan_path, 'r', encoding='utf-8') as f: + return len(re.findall(r'\[ \]', f.read())) + except Exception: + return None + + def _exit_plan_mode(self): + """退出plan模式，清理相关状态""" + self.working['in_plan_mode'] = False + self.working.pop('related_sop', None) def do_code_run(self, args, response): '''执行代码片段，有长度限制，不允许代码中放大量数据，如有需要应当通过文件读取进行。''' @@ -419,6 +440,10 @@ def do_update_working_checkpoint(self, args, response): related_sop = args.get("related_sop", "") if "key_info" in args: self.working['key_info'] = key_info if "related_sop" in args: self.working['related_sop'] = related_sop + # P0-1: plan模式一旦激活就持久化，不因related_sop变更而丢失 + if 'plan_sop' in related_sop: + self.working['in_plan_mode'] = True + self.max_turns = max(getattr(self, 'max_turns', 40), 80) # plan模式需要更多轮次 self.working['passed_sessions'] = 0 yield f"[Info] Updated key_info and related_sop.\n" next_prompt = self._get_anchor_prompt(skip=args.get('_index', 0) > 0) @@ -437,6 +462,11 @@ def do_no_tool(self, args, response): return StepOutcome({}, next_prompt="[System] Incomplete response. Regenerate and tooluse.") if 'max_tokens !!!]' in content[-100:]: return StepOutcome({}, next_prompt="[System] max_tokens limit reached. Use multi small steps to do it.") + # P0-2: plan模式下声称完成但未执行验证时，强制拦截 + if self._is_in_plan_mode() and any(kw in content for kw in ['任务完成', '全部完成', '已完成所有', '🏁']): + if 'VERDICT' not in content and '[VERIFY]' not in content and '验证subagent' not in content: + yield "[Warn] Plan模式完成声明拦截。\n" + return StepOutcome({}, next_prompt="⛔ [验证拦截] 检测到你在plan模式下声称完成，但未执行[VERIFY]验证步骤。请先按plan_sop §四启动验证subagent，获得VERDICT后才能声称完成。") # 2. 检测“包含较大代码块但未调用工具”的情况 # 这里通过三引号代码块 + 最少字符数的方式粗略判断“大段代码” code_block_pattern = r"```[a-zA-Z0-9_]*\n[\s\S]{300,}?```" @@ -460,7 +490,13 @@ def do_no_tool(self, args, response): "并明确是否还需要额外的实际操作。" ) return StepOutcome({}, next_prompt=next_prompt) - # 3. 正常情况：直接将回复返回给用户并结束循环 + # 3. plan模式退出检查：plan.md中0个[ ]残留时清除plan标志 + if self._is_in_plan_mode(): + remaining = self._check_plan_completion() + if remaining == 0: + self._exit_plan_mode() + yield "[Info] Plan完成：plan.md中0个[ ]残留，退出plan模式。\n" + # 4. 正常情况：直接将回复返回给用户并结束循环 yield "[Info] Final response to user.\n" return StepOutcome(response, next_prompt=None) @@ -504,11 +540,21 @@ def turn_end_callback(self, response, tool_calls, tool_results, turn, next_promp next_prompt += "\n[DANGER] 上一轮遗漏了，已根据物理动作自动补全。在下次回复中记得协议。" summary = smart_format(summary, max_str_len=100) self.history_info.append(f'[Agent] {summary}') - if turn % 35 == 0 and 'plan' not in str(self.working.get('related_sop')): + + def next_prompt_patcher(self, next_prompt, outcome, turn): + # 使用统一的plan模式检测 + _plan = self._is_in_plan_mode() + + if turn % 35 == 0 and not _plan: next_prompt += f"\n\n[DANGER] 已连续执行第 {turn} 轮。你必须总结情况进行ask_user，不允许继续重试。" elif turn % 7 == 0: next_prompt += f"\n\n[DANGER] 已连续执行第 {turn} 轮。禁止无效重试。若无有效进展，必须切换策略：1. 探测物理边界 2. 请求用户协助。如有需要，可调用 update_working_checkpoint 保存关键上下文。" elif turn % 10 == 0: next_prompt += get_global_memory() + + if _plan and turn >= 10 and turn % 5 == 0: + next_prompt = "[Plan提醒] 你正在计划模式。必须 file_read(plan.md) 确认当前步骤，回复开头引用：📌 当前步骤：...\n\n" + next_prompt + if _plan and turn >= 70: + next_prompt += f"\n\n[DANGER] Plan模式已运行 {turn} 轮，已达上限。必须 ask_user 汇报进度并确认是否继续。" injkeyinfo = consume_file(self.parent.task_dir, '_keyinfo') injprompt = consume_file(self.parent.task_dir, '_intervene') if injkeyinfo: self.working['key_info'] = self.working.get('key_info', '') + f"\n[MASTER] {injkeyinfo}" diff --git a/memory/plan_sop.md b/memory/plan_sop.md index bdfff2b..3903933 100644 --- a/memory/plan_sop.md +++ b/memory/plan_sop.md @@ -1,70 +1,263 @@ + + # Plan Mode SOP + **触发**：3步以上有依赖/多文件协同/条件分支/需并行 | **禁用**：1-2步简单任务直接做 -**工作目录**：`./plan_XXX/`（XXX=任务英文短名） -## 规划态（按序执行） -**步骤1：创建文件夹 + 存checkpoint** -``` -[任务] 产出 ./plan_XXX/plan.md | [需求] 一句话 | [约束] 关键限制 -[进度] 即将读领域SOP | ⚡写完plan后必须重读本SOP步骤3切换执行态 -``` -**步骤2：读领域SOP → 写plan骨架** -先读相关SOP，立即写骨架。允许"⚠待确认"，禁止以"没调研清楚"推迟。 -**骨架格式**： -``` +任务开始前必须先创建工作目录 `./plan_XXX/`（XXX=任务英文短名） + +--- + +## 一、探索态（规划前置，必须执行） + +⛔ **硬性规则（先读再做）**： + +- **主agent禁止直接执行环境探测**（必须委托subagent，无例外） +- 主agent只做：创建目录、读SOP索引、启动subagent、读取结论 +- subagent只读探测，禁止修改任何文件、执行有副作用的操作 +- **探索subagent启动失败时：排查原因→重试，最多2次。禁止主agent回退为自己探测** + +**目标**：在写任何计划之前，搞清3件事： +① 环境现状（有什么、缺什么） ② 可用SOP ③ 关键不确定点 + +**为什么必须用subagent**：主agent上下文是最稀缺资源，探测长输出会挤占规划执行空间。 + +### 步骤1：创建目录（必做） + SOP匹配 + 设置plan标志（主agent直接做） + +1. 创建工作目录 `mkdir plan_XXX/` +2. 读 `sop_index.md` 匹配可用领域SOP +3. 更新checkpoint：`[任务] XXX | [需求] 一句话 | [约束] 关键限制 | [匹配SOP] ... | [进度] 探索态` + +### 步骤2：启动探索subagent（监察模式） + +按 subagent.md 启动探索subagent，**加 `--verbose`** 开启监察模式，input要点： + +- **任务**：探测环境信息，写入 `plan_XXX/exploration_findings.md` +- **探测项**（按任务类型选做，不是全做）： + - 代码类 → 关键文件结构、依赖、入口点 + - 浏览器类 → 目标页面当前状态、可交互元素 + - 自动化类 → 环境检查(which/pip/路径/权限) + - 数据类 → 抽样数据(首5行+尾5行+总量) +- **输出格式**：`## 环境现状` / `## 关键发现` / `## 风险/不确定点` +- **约束**：只读探测，禁止修改文件，≤10次工具调用 +- **复杂度评估**：探测时注意记录数据规模（文件数、行数、页面数），写入findings供规划时判断委托 + +### 步骤3：监察等待 + 读取结论 + +主agent主动观察output.txt进度（`--verbose`输出含原始工具结果），而非无脑sleep轮询： + +1. **观察**：读output.txt，审查subagent的探测方向和原始数据 +2. **纠偏**（按需）： + - 方向偏了 → 写 `_intervene` 追加指令纠正 + - 缺少关键上下文 → 写 `_keyinfo` 注入信息 + - 已获取足够信息 → 写 `_stop` 提前终止，节省轮次 +3. **收取**：等待 `[ROUND END]`，读取 `exploration_findings.md` + +**产出**：`exploration_findings.md`（结构化发现报告），主agent基于此进入规划态，写入plan.md头部的「探索发现」段。主agent在监察过程中获得的一手认知也可直接用于规划。 + +--- + +## 二、规划态（含审查门） + +### 步骤4：读领域SOP → 写plan.md + +先读探索态匹配到的SOP，然后写plan骨架。允许"⚠待确认"，禁止以"没调研清楚"推迟。 + +**[D] 委托标注规则**：写每个步骤时，结合探索发现评估操作量，符合以下任一条件则标 `[D]`： + +- 需要读取大量代码/文件（预估 >3个文件或 >100行） +- 需要浏览网页并提取信息 +- 需要执行 3 次以上重复性操作 +- 需要运行测试/构建并分析输出 + +不标 `[D]` 的情况：读/更新 plan.md、单文件小幅修改、ask_user、简单一次性命令 + +**plan.md格式**： + +```markdown + # 任务标题 需求：一句话 | 约束：关键限制 + +## 探索发现 +- 发现1：XXX（来源：file_read/web_scan/code_run） +- 发现2：YYY +- 不确定点：ZZZ + +## 执行计划 1. [ ] 步骤1简述 -2. [P] 步骤2简述（并行，读subagent_sop.md执行Map模式） + SOP: xxx_sop.md +2. [D] 步骤2简述（委托subagent执行） + SOP: yyy_sop.md 依赖：1 -3. [?] 步骤3（条件分支） - 条件：X成功→3.1，否则→3.2 -``` -**标记**：`[ ]`待做 | `[✓]`完成 | `[✗]`失败 | `[P]`并行 | `[?]`条件分支 -**[P]标记条件**（全YES才可标）： -□ 2+步骤可同时？ □ 无数据依赖？ □ 产出不同文件？ □ 节省>20%时间？ -**子任务目录**：subagent产出放 `./plan_XXX/subtask_name/` -**探索规则**：有⚠项→逐项探索，每轮更新plan+checkpoint | 连续3轮无进展→用当前最佳方案 -**⛔ 写完骨架后禁止执行。必须先完成步骤3。** - -**步骤3：转入执行态** -``` -CALL update_working_checkpoint( - key_info='[执行] plan.md | 当前：1.1 | ⚡有[P]标记必须读subagent_sop.md执行Map模式' -) +3. [P] 步骤3简述（并行，读subagent.md执行Map模式） + SOP: yyy_sop.md +4. [?] 步骤4（条件分支） + SOP: (无) ← 高风险 + 条件：X成功→4.1，否则→4.2 + +--- + +## 验证检查点 +N+1. [ ] **[VERIFY] 启动独立验证subagent** + SOP: verify_sop.md + 操作：准备verify_context.json → 启动验证subagent → 读取VERDICT → 按结果处理 + ⚠ 不可跳过，不可在未启动subagent的情况下标记[✓] + +--- ``` -## 执行态循环 -1. 读plan.md → 定位当前`[ ]`项 -2. **检查并行**： - ``` - IF has_mark('[P]'): - CALL file_read('subagent_sop.md') - # 按SOP创建context.json（含绝对路径）+ input.txt - # ⚠ subagent必须从context.json读取绝对路径写入文件 - ELSE: - 执行当前步骤 - ``` -3. 执行该项 -4. **收尾（必须执行，不可跳过）**： - ``` - # ⚠ 进度标记更新是强制要求，每步完成后必须执行 - file_patch(plan, '[ ] 当前步骤' → '[✓] 当前步骤') - file_read(plan) # 验证标记已更新 + 找下一步 - update_working_checkpoint('[进度] 步骤N已完成 | 下一步：...') - ``` -5. **Checkpoint验证（每3步或关键节点）**： - ``` - file_read(plan) # 检查：所有已执行步骤是否标[✓] - IF 有遗漏标记: - 立即补标 file_patch(...) - ``` -6. 全部完成 → 汇总结果 → 清理checkpoint -## 失败处理 + +### 步骤5：自检清单（主agent逐项检查） + +- □ 探索发现是否都反映在plan中？（没遗漏关键约束） +- □ 每步的SOP标注是否合理？（SOP真的能解决该步？） +- □ 步骤间依赖是否正确？（有没有隐含依赖没写出来） +- □ 高风险步骤（SOP:无/不可逆）有没有清晰的执行思路？ +- □ 步骤粒度是否合适？（禁止"处理所有文件"，必须展开具体条目） +- □ **复杂/繁琐步骤是否标注了[D]？**（读大量代码/网页/重复操作必须委托subagent） +- □ **是否包含"验证检查点"section，且有[VERIFY]步骤？（必须有，这是强制步骤）** + +### 步骤6：用户确认 + +ask_user 确认plan后才能转入执行态。**⛔ 用户未确认不得执行。** + +### 步骤7：转入执行态 + +更新checkpoint：`[执行] plan.md | 当前：步骤1 | ⚡有[P]标记必须读subagent.md执行Map模式` + +--- + +## 三、执行态循环 + +> **核心原则：连续执行，不停顿汇报。** 做完一步立即 file_read(plan.md) 找下一个 `[ ]`，直到全部完成。 + +### 每轮流程 + +1. **读plan** — `file_read(plan.md)` 定位第一个 `[ ]` 项 +2. **读SOP** — 该步标注了SOP → 先 file_read 该SOP +3. **检查标记** — `[D]`标记 → 必须委托subagent执行，主agent只收结果摘要；`[P]`标记 → 读 subagent_sop.md 执行Map模式；`[?]`条件 → 评估条件选分支，未选标[SKIP] +4. **执行** — 无特殊标记的步骤由主agent自己执行 +5. **Mini验证** — 快速确认产出存在且合理（file_read确认非空、检查exit code等） +6. **标记完成** — `file_patch` 标记 `[ ]` → `[✓ 简要结果]`（进度写入plan.md） +7. **继续** — 立即回到步骤1，file_read(plan.md) 执行下一个 `[ ]` + +### 终止检查（最后一步标记后，不可跳过） + +file_read(plan.md) 全文扫描，确认所有步骤（含[VERIFY]）均为 `[✓]`/`[✗]`，0个 `[ ]` 残留。 +输出：`🏁 终止检查：[总步数]步全部完成，0个[ ]残留 → 任务结束` +若发现遗漏 → 继续执行，禁止声称完成。 + +### ⚠ 执行态禁令 + +- **禁止凭记忆执行**：每次做新步骤前必须 `file_read(plan.md)`，不可"我记得下一步是..." +- **禁止跳过验证步骤**：[VERIFY]步骤是强制的，不可以"任务都做完了"为由跳过 +- **禁止未经终止检查就结束**：最后一步标记后必须 file_read 全文扫描确认0个[ ]残留，输出🏁终止确认行 +- **禁止停下来输出纯文字汇报**：做完一步后必须立即 file_read(plan.md) 继续，不要输出进度总结 + +### 💡 动态委托原则 + +即使步骤未标 `[D]`，执行中发现以下情况时，主动委托 subagent 处理： + +- 需要读取大量代码/文件才能理解上下文（>3个文件或预估 >100行） +- 需要反复试错调试 +- 需要浏览网页提取信息 + +做法：起 subagent 完成具体操作，要求返回精简摘要，主 agent 基于摘要继续决策。保持主 agent 上下文干净是第一优先级。 + +--- + +## 四、验证态（subagent独立验证） + +> 全部步骤[✓]后进入。**强制**启动独立subagent做对抗性验证，避免上下文污染。 + +### 触发条件 + +- 所有执行步骤标记为 `[✓]` +- **所有plan模式任务必须经subagent验证**（主agent有确认偏误，易被表面成功迷惑） + +### 步骤8：准备验证上下文 + +在 `./plan_XXX/` 下创建 `verify_context.json`，包含： + +- task_description：原始任务描述（用户原话） +- plan_file：plan.md绝对路径 +- task_type：code|data|browser|file|system +- deliverables：交付物列表（type/path/expected） +- required_checks：必做检查列表（check/tool） + +**传什么**：任务描述、plan路径、交付物清单、必做检查。**不传**：执行过程、调试记录。 + +### 步骤9：启动验证subagent + +按 subagent.md 标准流程启动验证subagent，input要点： + +- **角色**：你是独立验证者，工作是对抗性验证（证明交付物不能用） +- **第一步强制**：file_read verify_sop.md 完整阅读验证SOP +- **按 verify_sop.md 第3节**选择对应task_type的验证策略执行 +- **每个检查必须有工具调用证据**（实际执行，不是叙述） +- **任务描述**：（填入原始任务描述） +- **交付物清单**：（填入deliverables列表） +- **输出**：在 result.md 中按 verify_sop.md 第6节格式输出，最后一行 `VERDICT: PASS / FAIL / PARTIAL` +- **约束**：3轮内完成，每轮至少1个实际工具调用 + +同时传入 verify_context.json 的路径，让subagent自行读取详细上下文。 + +### 步骤10：收集验证结果 + +轮询 output.txt 等待 `[ROUND END]`，然后读取 result.md： + +1. **找VERDICT行**：读取result.md最后几行，提取 `VERDICT: PASS/FAIL/PARTIAL` +2. **检查有效性**：如果所有PASS项都没有工具调用输出（只有叙述），视为验证无效，按FAIL处理 +3. **按结果处理**： + - **PASS** → 进入任务完成收尾 + - **FAIL** → 进入修复循环 + - **PARTIAL** → 主agent判断可接受则完成，否则修复 + - **无VERDICT行** → 从output.txt提取关键信息，主agent自行判断PASS/FAIL + +**任务完成收尾**（验证PASS后执行）： + +1. 标记plan.md中 `[VERIFY]` 步骤为 `[✓]` +2. 更新checkpoint：`[完成] XXX任务 | [产出] ... | [经验] ...` +3. 向用户确认任务完成 + +**重要**：只有在验证PASS后，才能标记[VERIFY]为[✓]并声称任务完成。如果验证FAIL，需要进入修复循环。 + +**Fallback**：若subagent未产出result.md（turn耗尽），从output.txt提取VERDICT关键信息。 + +### 修复循环（FAIL后） + +FAIL → 提取具体失败项 → 回执行态修复（不重新规划） → 修复完成 → 再次启动验证subagent → 最多2轮FAIL-重试，超过 ask_user 介入 + +修复时： + +1. 将FAIL项作为新步骤追加到plan.md（标记为 `[FIX]`） +2. 只修复失败项，不重做已PASS的部分 +3. 修复完成后重新准备verify_context.json（只含失败项） + +### 特殊场景处理 + +浏览器/键鼠/定时任务等场景：主agent执行操作并导出证据（截图/录屏/日志）→ subagent验证证据文件。**禁止主agent自行判断PASS/FAIL**。 + +--- + +## 五、失败处理 + 1. **记录**：checkpoint中 `step_X: [FAILED] 原因 (retry: N/3)` 2. **重试**：网络超时→自动重试3次(2s/4s/8s) | 配置错误→询问用户 | 其他→标[✗]跳过 3. **subagent失败**：查stderr.log→明确错误主agent修正重启 | 未知错误重试1次 | 最多重启2次 4. **依赖传播**：步骤失败后，后续依赖项标[SKIP] +5. **plan有误**：回退到规划态修正plan.md，重新过审查门 + ## 强制约束 + - 每项必须有独立完成判据 - 禁止"处理所有文件"，必须展开具体条目 - 一次只做一项；计划有误回规划态修正 -- 不可逆操作前多验证一步 \ No newline at end of file +- 不可逆操作前多验证一步 diff --git a/memory/verify_sop.md b/memory/verify_sop.md new file mode 100644 index 0000000..c166527 --- /dev/null +++ b/memory/verify_sop.md @@ -0,0 +1,106 @@ + + +## 铁律（违反任何一条 → VERDICT 无效） + +1. **必须运行产物**。读代码/文件不算验证——能跑的必须跑，能看的必须截图看。 +2. **必须有工具证据**。每个 PASS 必须附带工具调用的实际输出（stdout/截图/文件内容）。没有工具调用证据的 PASS 等于 SKIP。 +3. **独立验证**。不信任之前步骤的"成功"输出，用独立手段重新确认。 + +> **自检**：如果你在写解释而不是在调用工具，停下来。调用工具。 + +--- + +## 产物类型 → 必做验证动作 + +**写 VERDICT 前，必须根据产物类型完成对应动作。缺少任何一项则 VERDICT 无效。** + +| 产物类型 | 必做动作 | +| ------------------ | ------------------------------------------------------------ | +| 网页/HTML/前端 | ①浏览器打开 ②截图确认渲染 ③检查console错误 | +| Python/脚本 | ①实际执行 ②检查stdout+stderr+exit code ③边界输入再跑一次 | +| 数据文件(json/csv) | ①file_read抽查内容 ②验证格式合法 ③检查行数/条数 | +| API/服务 | ①实际调用endpoint ②检查响应状态码+body ③测试错误输入 | +| 配置/SOP/文档 | ①file_read确认完整内容 ②检查格式/语法 ③确认未破坏已有内容 | +| 自动化/定时任务 | ①确认注册成功 ②触发一次试运行 ③检查日志输出 | + +--- + +## 输出格式 + +**第一步：填写执行证据汇总表**（必须先填，空表 = 验证无效） + +``` +## 执行证据汇总 +| # | 验证动作 | 工具 | 关键输出摘要 | +|---|----------|------|--------------| +| 1 | (做了什么) | (用了什么工具) | (实际结果) | +| 2 | ... | ... | ... | +``` + +**第二步：逐项检查** + +``` +### Check: [验证什么] +**工具调用:** [实际执行的工具和参数] +**实际输出:** [工具返回的实际结果，复制粘贴不是转述] +**Result: PASS / FAIL / SKIP(原因)** +``` + +**第三步：最终裁定**（必须以下列之一结尾） + +- **VERDICT: PASS** — 所有关键检查通过 +- **VERDICT: FAIL** — 存在未解决的问题（列出） +- **VERDICT: PARTIAL** — 仅限工具/环境限制导致无法验证的部分（说明哪些没验证） + +--- + +## 触发时机 + +- 非平凡任务完成后（3+ 步操作、多文件、外部系统） +- 用户明确要求验证 +- 批量操作完成后（抽查） +- 不可逆操作前的预检 + +简单单步操作不需要走验证流程。 + +--- + +## 参考附录 + +
+分场景详细策略（展开查看） + +### 文件操作类 + +- `file_read` 确认内容正确（不只是存在） +- 检查文件大小（`ls -la`）、编码 +- 批量操作：抽查首/中/尾至少3个文件 +- 追加/修改：确认原有内容未被破坏 + +### 浏览器/网页操作类 + +- `web_scan` 确认页面状态是预期的 +- 截图 + OCR 交叉确认关键 UI 状态 +- 表单提交：确认响应/跳转/数据变化 +- SPA：确认 URL 和 DOM 都变了 + +### 脚本/代码执行类 + +- 代表性输入重新运行 +- 边界输入：空输入、超大输入、特殊字符 +- 产出文件：`file_read` 验证内容 + +### 数据采集类 + +- 验证采集数量 +- 抽查质量：字段完整性、编码、无乱码 +- 检查重复/遗漏 + +### 对抗性探测 + +- 空值/边界：空字符串、0、负数、超长文本、特殊字符 +- 幂等性：同一操作执行两次 +- 缺失依赖：前置文件/服务不存在会怎样 +- 部分失败：批量操作中间失败的状态一致性 + +