mirror of
https://gitcode.com/JianFeeeee/homeagent-sdk.git
synced 2026-10-31 14:27:30 +00:00
0b497f4876
用户报告截图不对（此前已改为落盘返回路径）。查下去发现**两个叠加的问题**，
其中一个是既有的、与上次改动无关的严重缺陷。
## ① 协议解析失败：chromedp v0.9.5 不认 Chrome 154
```
ERROR: could not unmarshal event: parse error: expected string near offset 411 of 'cookiePart...'
```
cdproto 把 `partitionKey` 定义为 `string`，而 Chrome 154 已改成对象
（`cookiePartitionKey`）。新版 cdproto 定义了 `CookiePartitionKey` 结构体，
且 `UnmarshalJSON` **双向兼容**（字符串 → 结构体，旧浏览器也不坏）。
副作用：`Navigate` 从 2.5s 降到 85ms（解析错误消失，不再反复重试）。
## ② 视口截图在 headless 下**永远挂住**（既有缺陷，不是升级引入）
`Screenshot(sel)` 内部是 `QueryAfter` + `NodeVisible`，而 NodeVisible 在
headless Chromium 上永远不满足 —— 两步单独看都成功，但它一直等下去：
```
Do(Query body) ✓ Do(WaitReady body) ✓
Do(WaitVisible body) ✗挂住 Do(WaitVisible html) ✗挂住
Run(Screenshot html) ✗挂住 Run(FullScreenshot) ✓
Run(CaptureScreenshot) ✓（70KB）
```
**决定性对照：旧版 chromedp v0.9.5 在同一个后端上同样挂。**
所以这不是升级引入的。生产日志也佐证：
- 成功的 8 次 —— agent 都传了 `full:true`（走 FullScreenshot）
- 超时的 5 次 —— 都是默认分支（走 Screenshot("body")）
且 `NodeVisible` 的两步实测都正常（`dom.GetBoxModel` 300µs 成功、
`visibleJS` 返回 true / offsetWidth=480），就是等待机制本身不返回。
没有深挖到 chromedp 内部的根因，但**换用 `CaptureScreenshot` 完全绕开这条链**，
且语义更对：「不传 full 就只截当前视口」本来就是 API 文档的含义。
## 迁移方式：兼容层收敛，业务代码最小改动
v0.20 是**泛型重写**（`Action[T]` 返回值而不填指针），25 处调用点受影响。
新增 `chromedp_compat.go` 把新 API 收敛成几个小助手
（`chromedpDo` / `newRemoteAllocator` / `chromedpCaptureScreenshot` …），
业务代码保持旧写法。
为何不逐处改：20+ 处机械改写会把 diff 淹没，真正要审的
「行为变了没有」反而看不清。
`NewRemoteAllocator` 在 v0.20 移到了独立子模块 `remote`（核心模块现在
只用标准库 + cdproto，需要 websocket 的东西全部搬出去）。
## 顺带修掉 go.mod 的重复 replace
`go mod tidy` 清掉了 4 条重复的 `replace ... => ../../`（hmapdev 往已有
go.mod 追加却不去重导致的）。Go 容忍它，但 `go mod tidy` 会报错。
## 判据（可杀变异，实测）
`chromedp_compat_test.go`：
- 视口截图必须走 `CaptureScreenshot`，不得退回 `Screenshot(sel)`
（改回挂住的写法 → FAIL ×2）
- 兼容层关键助手都在（去掉 CaptureScreenshot → build FAIL）
- 无旧式「传指针接收截图」残留
全部 20 个 example `go vet` 通过；SDK 根 module build/test 通过。
生产实测：agent 做视口截图返回
`/home/newqqagent/browser_screenshots/shot-20261011-104225.610-browser_1.png`
（1280×713 PNG / 70518 字节），不再超时。
Co-authored-by: JianFeeeee <JianFeeeee@users.noreply.gitcode.com>
72 lines
2.9 KiB
Go
72 lines
2.9 KiB
Go
package main
|
||
|
||
import (
|
||
"context"
|
||
|
||
"github.com/chromedp/chromedp"
|
||
"github.com/chromedp/chromedp/remote"
|
||
)
|
||
|
||
// chromedp v0.20 是**泛型重写**（Action[T] 返回值而不填指针），
|
||
// 本文件把旧写法收敛成几个小助手，让业务代码的改动面最小。
|
||
//
|
||
// 为何不直接在每个调用点改：插件里有 20+ 处 `chromedp.Run(ctx, 步骤...)`，
|
||
// 逐处改成「Run 取一个值 / Do 跑多步」会让 diff 淹没在机械改写里，
|
||
// 真正要审的「行为变了没有」反而看不清。收敛到助手后，业务代码保持原样。
|
||
|
||
// chromedpDo 依次跑多个不返回值的步骤（旧 Run(ctx, steps...) 的等价物）。
|
||
//
|
||
// 对应 v0.20 的 chromedp.Do。放在这里是为了让调用点看起来与旧代码一致。
|
||
func chromedpDo(ctx context.Context, steps ...chromedp.Action[chromedp.Void]) error {
|
||
return chromedp.Do(ctx, steps...)
|
||
}
|
||
|
||
// newRemoteAllocator 连接一个已在运行的 CDP 端点（如共享浏览器后端）。
|
||
//
|
||
// v0.20 把它移到了独立子模块：chromedp.NewRemoteAllocator → remote.NewAllocator。
|
||
// 子模块存在的理由：核心模块现在只用标准库 + cdproto，需要 websocket 的东西
|
||
// 全部搬出去（见 chromedp docs/decisions/2026-10-04-...）。
|
||
func newRemoteAllocator(parent context.Context, url string) (context.Context, context.CancelFunc) {
|
||
return remote.NewAllocator(parent, url)
|
||
}
|
||
|
||
// chromedpTitle 取当前页标题。
|
||
func chromedpTitle(sel ...chromedp.QueryOption) chromedp.Action[string] {
|
||
return chromedp.Title()
|
||
}
|
||
|
||
// chromedpLocation 取当前页 URL。
|
||
func chromedpLocation() chromedp.Action[string] {
|
||
return chromedp.Location()
|
||
}
|
||
|
||
// chromedpOuterHTML 取元素的外部 HTML（旧写法传 &html 接收，现在直接返回）。
|
||
func chromedpOuterHTML(sel string, opts ...chromedp.QueryOption) chromedp.Action[string] {
|
||
return chromedp.OuterHTML(sel, opts...)
|
||
}
|
||
|
||
// chromedpScreenshot 截图（旧写法传 &buf 接收，现在直接返回）。
|
||
func chromedpScreenshot(sel string, opts ...chromedp.QueryOption) chromedp.Action[[]byte] {
|
||
return chromedp.Screenshot(sel, opts...)
|
||
}
|
||
|
||
// chromedpFullScreenshot 整页截图。
|
||
func chromedpFullScreenshot(quality int) chromedp.Action[[]byte] {
|
||
return chromedp.FullScreenshot(quality)
|
||
}
|
||
|
||
// chromedpCaptureScreenshot 截当前**视口**。
|
||
//
|
||
// ★ 为何不用 chromedp.Screenshot("body")（2026-10-11）：后者内部是
|
||
// QueryAfter + NodeVisible，而 NodeVisible 在本机的 headless Chromium 上
|
||
// 永远不会满足 —— 实测会一直挂到调用方超时（生产表现为 60s 工具超时）。
|
||
// 详见 plugin.go 里 handleScreenshot 的注释（含完整对照表）。
|
||
func chromedpCaptureScreenshot() chromedp.Action[[]byte] {
|
||
return chromedp.CaptureScreenshot()
|
||
}
|
||
|
||
// chromedpEvaluate 执行 JS（返回 Void 表示不关心返回值）。
|
||
func chromedpEvaluateVoid(expr string) chromedp.Action[chromedp.Void] {
|
||
return chromedp.Evaluate[chromedp.Void](expr, nil)
|
||
}
|