refactor: restructure memory hierarchy and fix ljqCtrl coordinate logic

agent_loop.py

@@ -75,7 +75,7 @@ def agent_runner_loop(client, system_prompt, user_input, handler, tools_schema,
         next_prompt += outcome.next_prompt
         if (turn+1) % 5 == 0:
             next_prompt += f"\n\n[DANGER] 已连续执行第 {turn+1} 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。"
-        if turn == 23:
+        if (turn+1) % 25 == 0:
-            next_prompt += f"\n\n[DANGER] 已连续执行第 {turn+1} 轮。你必须总结情况进行ask_user，不允许继续重试。"
+            next_prompt += f"\n\n### [DANGER] 已连续执行第 {turn+1} 轮。你必须总结情况进行ask_user，不允许继续重试。"
         messages = [{"role": "user", "content": next_prompt}]
     return {'result': 'MAX_TURNS_EXCEEDED'}

agentmain.py

@@ -81,7 +81,7 @@ class GeneraticAgent:
             self.handler = handler
             self.llmclient.backend = self.llmclient.backends[self.llm_no]
             gen = agent_runner_loop(self.llmclient, sys_prompt, 
-                        raw_query, handler, TOOLS_SCHEMA, max_turns=25)
+                        raw_query, handler, TOOLS_SCHEMA, max_turns=40)
                         
             try:
                 full_response = ""; last_pos = 0

assets/tools_schema.json

@@ -34,23 +34,23 @@
   }},
   {"type": "function", "function": {
     "name": "web_scan",
-    "description": "获取当前网页的清洗后内容，并列出所有已打开的标签页。支持切换标签页。在长页面中，可以使用 focus_item 进行语义过滤以提取关键信息。",
+    "description": "获取当前网页的清洗后内容，并列出所有已打开的标签页。支持切换标签页。切换页面后一般应先调用查看。",
     "parameters": {"type": "object", "properties": {
       "focus_item": {"type": "string", "description": "语义过滤指令，用于在长列表中优先保留与该关键词相关的项。"},
       "switch_tab_id": {"type": "string", "description": "可选的标签页 ID。如果提供，系统将在扫描前切换到该标签页。"}}}
   }},
   {"type": "function", "function": {
     "name": "web_execute_js",
-    "description": "万能网页操控工具。通过执行 JavaScript 脚本实现对浏览器的完全控制（如点击、滚动、提取特定数据）。这是 Web 场景下的首选工具。执行结果可选择保存到本地文件进行后续分析。",
+    "description": "万能网页操控工具。通过执行 JavaScript 脚本实现对浏览器的完全控制（如点击、滚动、提取特定数据）。鼓励在有把握情况下（记忆中有selector/做法等）精准使用以减少web_scan调用。执行结果可选择保存到本地文件进行后续分析。",
     "parameters": {"type": "object", "properties": {
       "script": {"type": "string", "description": "要执行的 JavaScript 代码。"},
-      "save_to_file": {"type": "string", "description": "可选。将 JS 执行结果（js_return）保存到的文件路径。注意：该功能不支持 await 等异步结果。"}}, "required": ["script"]}
+      "save_to_file": {"type": "string", "description": "可选。将 JS 执行结果（js_return）保存到的文件路径。该功能不支持 await 等异步结果。"}}, "required": ["script"]}
   }},
   {"type": "function", "function": {
     "name": "update_working_mem",
-    "description": "更新当前任务的工作记忆。当任务目标细化、阶段切换或发现关键物理约束（坑）时调用，内容将作为物理锚点在后续每轮自动注入，强行锁定推理方向，防止长程任务逻辑漂移。",
+    "description": "更新当前任务的工作记忆。当任务目标细化、阶段切换或发现关键物理约束（坑）时调用，内容（不得超过200 tokens）将作为物理锚点在后续每轮自动注入，强行锁定推理方向，防止长程任务逻辑漂移。",
     "parameters": {"type": "object", "properties": {
-      "key_info": {"type": "string", "description": "替换掉当前的极简关键信息（200tokens以内），包含当前进度和目标、已获取的关键信息及下一步必须绕过的坑，已经解决或完成的步骤可以去掉"},
+      "key_info": {"type": "string", "description": "替换掉当前的极简关键信息（<200 tokens），包含当前进度和目标、已获取的关键信息及下一步必须绕过的坑，已经解决或完成的步骤可以去掉"},
       "related_sop": {"type": "string", "description": "相关sop名称，可以多个，必要时需要再读"}}}
   }},
   {"type": "function", "function": {

ga.py

@@ -458,7 +458,7 @@ class GenericAgentHandler(BaseHandler):
     def _get_anchor_prompt(self):
         h_str = "\n".join(self.history_info[-20:])
         prompt = f"\n### [WORKING MEMORY]\n<history>\n{h_str}\n</history>"
-        if self.key_info: prompt += f"\n<sop_essentials>{self.key_info}</sop_essentials>"
+        if self.key_info: prompt += f"\n<key_info>{self.key_info}</key_info>"
         if self.related_sop: prompt += f"\n有不清晰的地方请再次读取{self.related_sop}"
         print(prompt)
         return prompt

memory/ljqCtrl.py

@@ -1,11 +1,12 @@
 # coding=utf-8
 """
+CRITICAL: 严禁在此工具链中 import pyautogui (会污染 win32api 导致逻辑冲突)。
 ljqCtrl Quick Reference:
-- dpi_scale: float (Physical = Logical / dpi_scale)
+- dpi_scale: float (Logical = Physical * dpi_scale)
-- Click(x, y=None): Click logical/physical coordinates
+- Click(x, y): Use Physical Coordinates (from screenshots)
-- SetCursorPos(z): Move mouse to logical coordinate z=(x, y)
+- SetCursorPos(z): Use Physical Coordinates z=(x, y)
-- Press(cmd, staytime=0): Keyboard shortcuts (e.g. 'ctrl+c')
+- Press(cmd, staytime=0): Keyboard shortcuts (e.g. 'ctrl+v')
-- FindBlock(fn, wrect=None, threshold=0.8) -> (obj_center, is_found)
+- FindBlock(fn, wrect=None, threshold=0.8) -> (obj_center_phys, is_found)
 - MouseDClick(staytime=0.05), MouseClick(staytime=0.05)
 """
 

memory/memory_management_sop.md

@@ -12,7 +12,7 @@
 ---
 ## 记忆层级架构
 ```
-L1: global_mem_insight.txt (极简索引层 - 严格控制 ≤50 行)  
+L1: global_mem_insight.txt (极简索引层 - 严格控制 ≤30 行)  
     ↓ 导航指向 (Pointer)  
 L2: global_mem.txt (事实库层 - 现短但会膨胀)  
     ↓ 详细引用 (Reference)  

sidercall.py

@@ -56,7 +56,7 @@ class GeminiSession:
         return iter([full_text]) if stream else full_text
   
 class LLMSession:
-    def __init__(self, api_key=oai_apikey, api_base=oai_apibase, model=oai_model, context_win=12000):
+    def __init__(self, api_key=oai_apikey, api_base=oai_apibase, model=oai_model, context_win=16000):
         self.api_key = api_key
         self.api_base = api_base
         self.raw_msgs = []
@@ -202,18 +202,18 @@ class ToolClient:
         if tools:
             tools_json = json.dumps(tools, ensure_ascii=False, separators=(',', ':'))
             tool_instruction = f"""
-### 交互协议 (必须严格遵守)
+### 交互协议 (必须严格遵守，持续有效)
 请按照以下步骤思考并行动，标签之间需要回车换行：
 1. **思考**: 在 `<thinking>` 标签中先进行思考，分析现状和策略。
 2. **总结**: 在 `<summary>` 中输出*极为简短*的高度概括的单行（<30字）物理快照，包括上次工具调用结果获取的新信息+本次工具调用意图和预期。此内容将进入长期工作记忆，记录关键信息，严禁输出无实际信息增量的描述。
 3. **行动**: 如果需要调用工具，请在回复正文之后输出一个 **<tool_use>块**，然后结束，我会稍后给你返回<tool_result>块。
    格式: ```<tool_use>\n{{"name": "工具名", "arguments": {{参数}}}}\n</tool_use>\n```
 
-### 可用工具库
+### 可用工具库（已挂载，持续有效）
 {tools_json}
 """
             if self.auto_save_tokens and self.last_tools == tools_json:
-                tool_instruction = "\n### 交互协议保持不变，沿用之前的协议和工具库。\n"
+                tool_instruction = "\n### 工具库状态：持续有效（code_run/file_read等），**可正常调用**。调用协议沿用。\n"
             else:
                 self.total_cd_tokens = 0
             self.last_tools = tools_json
@@ -255,7 +255,11 @@ class ToolClient:
             if json_str == '' and '```' in weaktoolstr and weaktoolstr.split('```')[0].strip().endswith('}'):
                 json_str = weaktoolstr.split('```')[0].strip()
             remaining_text = remaining_text.replace('<tool_use>'+weaktoolstr, "")
-
+        elif '"name":' in remaining_text and '"arguments":' in remaining_text:
+            json_match = re.search(r"(\{.*\"name\":.*?\})", remaining_text, re.DOTALL | re.MULTILINE)
+            if json_match:
+                json_str = json_match.group(1).strip()
+                remaining_text = remaining_text.replace(json_str, "").strip()
         if json_str:
             try:
                 data = tryparse(json_str)
@@ -275,8 +279,14 @@ class ToolClient:
 
 def tryparse(json_str):
     try: return json.loads(json_str)
-    except:
+    except: pass
-        return json.loads(json_str[:-1])
+    json_str = json_str.strip().strip('`').replace('json\n', '', 1).strip()
+    try: return json.loads(json_str)
+    except: pass
+    try: return json.loads(json_str[:-1])
+    except: pass
+    if '}' in json_str: json_str = json_str[:json_str.rfind('}') + 1]
+    return json.loads(json_str)
 
 if __name__ == "__main__":
     import sys, os