mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-10-15 12:15:16 +00:00
## computeruse 高级操作 此前两端(GUI 本机桥 / waiter 设备侧)都只有 9 个基础 action (click/move/scroll/keypress/type…),与业界 computer-use 的基本盘差距明显。 现补到 18 个,两端对齐: drag 拖拽(分步移动,见下) hover 只悬停不点击(触发 tooltip / 悬浮菜单) mousedown/up 按下与释放分离,可配对做「按住」 tripleclick 三击选中整行 middleclick 中键 hotkey/combo 组合键(ctrl+c 这类) wait/sleep 显式等待,等 UI/动画完成再下一步 display 显示器几何(bounds + scaleFactor + primary),多屏定位必需 ★ 拖拽**分步移动**(默认 12 步,上限 60)而不是一步到位:canvas 拖拽、 列表排序、滑动条这类应用依赖中间 mousemove 事件,一步到位会失效。 ## 修 HiDPI 坐标错位(GUI 侧) 截图给模型的是**物理像素**,而 SetCursorPos / xdotool / cliclick 期望 **逻辑点(DIP)**。旧代码只加了 display bounds 的原点偏移,完全没换算 scaleFactor ⇒ 150% 缩放屏上点击系统性偏移(越靠右下偏得越多)。 现在按目标屏 scaleFactor 换算,并提供 `physical:false` 让调用方声明 「坐标已是逻辑点」以免二次换算。 ## 组合键归一化(waiter 侧) 旧实现把模型给的 key 字符串原样丢给 `xdotool key`,于是 "Ctrl+C"、 "ctrl + c"、"CTRL-C" 全部失效。新增 normKeySpec:统一 + 与空格分隔、 统一小写、去重复修饰键。 顺带修 waiter 的 `type`:加 `--clearmodifiers`,避免残留的 Ctrl/Alt 把后续输入变成快捷键(旧实现一次输入就可能污染后续所有按键)。 ## scroll 修正(两端) 旧实现固定滚 `click 4/5`(上/下),忽略方向语义也不支持横向。 现按 dy 正负给方向、按量级分步、支持 dx 横向滚动。 ## 显式声明借鉴 PiDeck 用户要求声明 GUI 借鉴了 PiDeck 的设计与实现。做法: 1. 新增 `cmd/gui/DESIGN-NOTES.md` —— 逐项列出借鉴自 PiDeck 的设计 (三点渐次明暗 / 运行态呼吸光晕 / 工具调用分组卡)、PiDeck 的原始 实现(@keyframes 名与 CSS 片段)、HomeAgent 的落地位置、以及**动机**, 并明确区分「本仓自行决策」的部分(如「只有 1 个工具时不分组」是本地决定, 不是 PiDeck 做法)。 2. app.js / style.css 的相关代码处补出处注释。 3. 判据 computeruse.test.mjs 钉住这几条声明,防止后续丢失。 参考方式为阅读 PiDeck 打包产物 app.asar 中的 CSS 实现后**独立重写**, 未复制其代码或资源文件。 ## 判据 新增 cmd/gui/computeruse.test.mjs(进 npm test),30 条断言: · 两端各 9 项高级操作 · HiDPI 换算与 physical 开关 · 组合键归一化、type 的 --clearmodifiers · 拖拽分步移动(两端) · PiDeck 借鉴声明四处(含 DESIGN-NOTES.md 存在) 判据:cmd/gui npm test 全绿(114 条)。
148 lines
6.2 KiB
JavaScript
148 lines
6.2 KiB
JavaScript
// computeruse 能力面 + PiDeck 借鉴声明的判据。
|
||
//
|
||
// ## 要判的是什么
|
||
//
|
||
// 1) computeruse 高级操作。两处实现(cmd/gui/main.js 的本机桥、
|
||
// cmd/waiter/device.go 的设备侧)此前都只有 click/move/scroll/
|
||
// keypress/type 这 9 个基础 action,缺拖拽、悬停、按键按下/释放、
|
||
// 三击、显式等待、显示器信息 —— 业界 computer-use 的基本盘。
|
||
//
|
||
// 2) HiDPI 坐标换算。截图给模型的是**物理像素**,而 SetCursorPos /
|
||
// xdotool 期望**逻辑点(DIP)**。原先只加了 display bounds 的原点
|
||
// 偏移,没换算 scaleFactor ⇒ 150% 缩放屏上点击系统性偏移。
|
||
//
|
||
// 3) PiDeck 借鉴声明。用户要求显式声明 GUI 借鉴了 PiDeck 的设计与实现,
|
||
// 这类"来源说明"一旦丢失就无从追溯,故钉在这里。
|
||
//
|
||
// 运行:node computeruse.test.mjs
|
||
|
||
import { readFileSync, existsSync } from "node:fs";
|
||
import { fileURLToPath } from "node:url";
|
||
import { dirname, join } from "node:path";
|
||
|
||
const here = dirname(fileURLToPath(import.meta.url));
|
||
const repoRoot = join(here, "..", "..");
|
||
const main = readFileSync(join(here, "main.js"), "utf8");
|
||
const app = readFileSync(join(here, "renderer", "app.js"), "utf8");
|
||
const css = readFileSync(join(here, "renderer", "style.css"), "utf8");
|
||
const waiter = readFileSync(join(repoRoot, "cmd", "waiter", "device.go"), "utf8");
|
||
|
||
let failures = 0;
|
||
const check = (name, ok, detail) => {
|
||
if (ok) console.log(` ✓ ${name}`);
|
||
else {
|
||
failures++;
|
||
console.log(` ✗ ${name}${detail ? " — " + detail : ""}`);
|
||
}
|
||
};
|
||
|
||
// ── 1) 高级操作:GUI 侧 ────────────────────────────────────────────
|
||
const advanced = [
|
||
["drag", "拖拽"],
|
||
["hover", "悬停(触发 tooltip)"],
|
||
["mousedown", "按键按下(与 mouseup 配对做按住)"],
|
||
["mouseup", "按键释放"],
|
||
["tripleclick", "三击选中整行"],
|
||
["middleclick", "中键点击"],
|
||
["hotkey", "组合键"],
|
||
["wait", "显式等待(等 UI/动画完成)"],
|
||
["display", "显示器几何信息(多屏定位)"],
|
||
];
|
||
for (const [act, desc] of advanced) {
|
||
check(
|
||
`GUI 支持 ${act}(${desc})`,
|
||
new RegExp('case\\s+"' + act + '"').test(main),
|
||
"未实现 " + act,
|
||
);
|
||
}
|
||
|
||
// ── 2) 高级操作:waiter 侧(设备侧主力,Linux 才是真正执行者)──
|
||
const wStart = waiter.indexOf("func execComputeruseLinux(");
|
||
const wEnd = waiter.indexOf("func execComputeruseWindows(");
|
||
const linuxSeg = waiter.slice(wStart, wEnd);
|
||
for (const [act, desc] of advanced) {
|
||
if (act === "display") {
|
||
// display 在 waiter 侧是提示用命令(设备上没有 Electron screen API)
|
||
continue;
|
||
}
|
||
// 匹配要允许 `case "a", "b":` 这种合并写法。
|
||
// waiter 的 hover 与 move 同分支(`case "move", "hover":`)、
|
||
// keypress 与 hotkey/combo 同分支,只匹配单个 case 名会误报「未实现」。
|
||
// 用「该 action 名出现在某个 case 标签列表里」来判,而不绑定 case 关键字位置。
|
||
const re = new RegExp('case[^:]*"' + act + '"[^:]*:');
|
||
check(
|
||
`waiter Linux 支持 ${act}(${desc})`,
|
||
re.test(linuxSeg),
|
||
"waiter Linux 未实现 " + act,
|
||
);
|
||
}
|
||
|
||
// ── 3) HiDPI 坐标换算 ──────────────────────────────────────────────
|
||
check(
|
||
"★ GUI 按 scaleFactor 换算坐标",
|
||
/physical\s*!==\s*false/.test(main) && /rawX\s*\/\s*scale/.test(main),
|
||
"未做 物理像素→DIP 换算 ⇒ HiDPI 屏上点击系统性偏移",
|
||
);
|
||
check(
|
||
"GUI 有 physical 参数供调用方声明坐标空间",
|
||
/params\.physical/.test(main),
|
||
"缺少 physical 开关,模型无法声明坐标已是逻辑点",
|
||
);
|
||
check(
|
||
"★ waiter Linux 有 normKeySpec 归一化组合键",
|
||
/func normKeySpec/.test(waiter),
|
||
"缺少组合键归一化 ⇒ 模型输出 \"Ctrl+C\" 这类自然写法会失效",
|
||
);
|
||
check(
|
||
"waiter type 用 --clearmodifiers",
|
||
/type.*--clearmodifiers|--clearmodifiers.*--delay/s.test(linuxSeg),
|
||
"type 未清修饰键 ⇒ 残留 Ctrl 会把后续输入变成快捷键",
|
||
);
|
||
|
||
// ── 4) 拖拽要分步移动(部分应用依赖中间 move 事件)────────────────
|
||
check(
|
||
"★ 拖拽分步移动(GUI)",
|
||
/steps[\s\S]{0,400}SetCursorPos/.test(main),
|
||
"拖拽一步到位 ⇒ canvas 拖拽/排序类操作会失效",
|
||
);
|
||
check(
|
||
"★ 拖拽分步移动(waiter)",
|
||
/steps[\s\S]{0,400}mousemove/.test(linuxSeg),
|
||
"拖拽一步到位 ⇒ canvas 拖拽/排序类操作会失效",
|
||
);
|
||
|
||
// ── 5) PiDeck 借鉴声明 ─────────────────────────────────────────────
|
||
// 声明位置:app.js(工具组卡与呼吸光晕的逻辑)、style.css(三项动画)、
|
||
// 以及本仓的文档。用户明确要求「显式声明 GUI 借鉴了 PiDeck 的设计与
|
||
// 实现」—— 这类来源说明一旦丢失,后来人就无法判断某段设计是本地决定
|
||
// 还是外部借鉴,也无从追溯许可与出处。
|
||
check(
|
||
"★ app.js 有 PiDeck 借鉴说明",
|
||
/PiDeck/.test(app),
|
||
"app.js 缺 PiDeck 借鉴说明",
|
||
);
|
||
check("★ style.css 有 PiDeck 借鉴说明", /PiDeck/.test(css), "style.css 缺 PiDeck 借鉴说明");
|
||
check(
|
||
"★ 文档记录了 PiDeck 借鉴",
|
||
existsSync(join(repoRoot, "cmd", "gui", "DESIGN-NOTES.md")),
|
||
"缺 cmd/gui/DESIGN-NOTES.md(借鉴来源与设计决策的落点)",
|
||
);
|
||
|
||
// 借鉴的三个具体设计要写明(便于追溯"抄了什么")
|
||
check("声明了三点渐次明暗动画", /haDots/.test(css) && /PiDeck/.test(css));
|
||
check("声明了运行态呼吸光晕", /haRunBreathe/.test(css) && /msg-running/.test(css));
|
||
check("声明了工具调用分组卡", /tool-group-card/.test(app) && /tool-group-card/.test(css));
|
||
check(
|
||
"工具组卡有 PiDeck 出处注释",
|
||
/renderToolGroupOrSingle[\s\S]{0,400}PiDeck/.test(app) ||
|
||
/tool-group-card[\s\S]{0,300}PiDeck/.test(app) ||
|
||
/PiDeck[\s\S]{0,300}tool-group-card/.test(app),
|
||
"renderToolGroupOrSingle 上方应有 PiDeck 出处说明",
|
||
);
|
||
|
||
console.log("");
|
||
if (failures > 0) {
|
||
console.log(`全部失败:${failures} 条`);
|
||
process.exit(1);
|
||
}
|
||
console.log("全部通过"); |