CDP bridge扩展完善+SOP精简+insight修复+plan_sop+autonomous_sop更新

agentmain.py

@@ -35,10 +35,7 @@ class GeneraticAgent:
             try:
                 if 'claude' in k: llm_sessions += [ClaudeSession(api_key=cfg['apikey'], api_base=cfg['apibase'], model=cfg['model'])]
                 if 'oai' in k: llm_sessions += [LLMSession(
-                    api_key=cfg['apikey'],
+                    api_key=cfg['apikey'], api_base=cfg['apibase'], model=cfg['model'], proxy=cfg.get('proxy'),
-                    api_base=cfg['apibase'],
-                    model=cfg['model'],
-                    proxy=cfg.get('proxy'),
                     api_mode=cfg.get('api_mode', 'chat_completions'),
                     max_retries=cfg.get('max_retries', 2),
                     connect_timeout=cfg.get('connect_timeout', 10),
@@ -46,7 +43,7 @@ class GeneraticAgent:
                 )]
                 if 'xai' in k: llm_sessions += [XaiSession(cfg, mykeys.get('proxy', ''))]
                 if 'sider' in k: llm_sessions += [SiderLLMSession(cfg, default_model=x) for x in \
-                                    ["gemini-3.0-flash", "claude-haiku-4.5", "kimi-k2"]]
+                                    ["gemini-3.0-flash", "claude-haiku-4.5"]]
             except: pass
         if len(llm_sessions) > 0: self.llmclient = ToolClient(llm_sessions, auto_save_tokens=True)
         else: self.llmclient = None

assets/insight_fixed_structure.txt

@@ -4,6 +4,6 @@ Insight是极简索引，L2/L3变更时同步Insight，索引必须极简。写
 [CONSTITUTION]
 1. 改自身源码先请示；./内可自主实验，允许装包和portable工具。
 2. 决策前查记忆库；未查证不断言。
-3. 分步执行逐步验证；3次失败请求干预。
+3. 分步执行，控制粒度，限制失败半径；3次失败请求干预。
 4. 密钥文件仅引用，不读取/移动。
 5. 写任何记忆前读META-SOP核验，memory下文件只能patch修改（除非新建）。

assets/tmwd_cdp_bridge/background.js

@@ -2,17 +2,33 @@
 chrome.runtime.onInstalled.addListener(() => console.log('CDP Bridge installed'));
 
 chrome.runtime.onMessage.addListener((msg, sender, sendResponse) => {
-  if (msg.action === 'getCookies') {
+  if (msg.action === 'cookies') {
-    handleGetCookies(msg, sender).then(sendResponse);
+    handleCookies(msg, sender).then(sendResponse);
     return true;
   }
   if (msg.action === 'cdp') {
     handleCDP(msg, sender).then(sendResponse);
     return true;
   }
+  if (msg.action === 'tabs') {
+    (async () => {
+      try {
+        if (msg.method === 'switch') {
+          const tab = await chrome.tabs.update(msg.tabId, { active: true });
+          await chrome.windows.update(tab.windowId, { focused: true });
+          sendResponse({ ok: true });
+        } else {
+          const tabs = await chrome.tabs.query({});
+          const data = tabs.map(t => ({ id: t.id, url: t.url, title: t.title, active: t.active, windowId: t.windowId }));
+          sendResponse({ ok: true, data });
+        }
+      } catch (e) { sendResponse({ ok: false, error: e.message }); }
+    })();
+    return true;
+  }
 });
 
-async function handleGetCookies(msg, sender) {
+async function handleCookies(msg, sender) {
   try {
     const url = msg.url || sender.tab?.url;
     const origin = url.match(/^https?:\/\/[^\/]+/)[0];

assets/tmwd_cdp_bridge/content.js

@@ -12,15 +12,15 @@ new MutationObserver(muts => {
 
 async function handle(el) {
   try {
-    const cmd = el.dataset.cmd || 'cookies';
+    const req = el.textContent.trim() ? JSON.parse(el.textContent) : { cmd: 'cookies' };
+    const cmd = req.cmd || 'cookies';
     let resp;
     if (cmd === 'cookies') {
-      resp = await chrome.runtime.sendMessage({ action: 'getCookies', url: location.href });
+      resp = await chrome.runtime.sendMessage({ action: 'cookies', url: req.url || location.href });
     } else if (cmd === 'cdp') {
-      const method = el.dataset.method;
+      resp = await chrome.runtime.sendMessage({ action: 'cdp', method: req.method, params: req.params || {}, tabId: req.tabId });
-      const params = el.dataset.params ? JSON.parse(el.dataset.params) : {};
+    } else if (cmd === 'tabs') {
-      const tabId = el.dataset.tabid ? parseInt(el.dataset.tabid) : undefined;
+      resp = await chrome.runtime.sendMessage({ action: 'tabs', method: req.method, tabId: req.tabId });
-      resp = await chrome.runtime.sendMessage({ action: 'cdp', method, params, tabId });
     } else {
       resp = { ok: false, error: 'unknown cmd: ' + cmd };
     }

assets/tmwd_cdp_bridge/popup.js

@@ -10,7 +10,7 @@ async function fetchCookies() {
   try {
     const [tab] = await chrome.tabs.query({ active: true, currentWindow: true });
     if (!tab?.url) { out.textContent = 'No active tab'; return; }
-    const resp = await chrome.runtime.sendMessage({ action: 'getCookies', url: tab.url });
+    const resp = await chrome.runtime.sendMessage({ action: 'cookies', url: tab.url });
     if (!resp?.ok) { out.textContent = 'Error: ' + (resp?.error || 'unknown'); return; }
     if (!resp.data.length) { out.textContent = '(no cookies)'; return; }
     // 展示带标记

memory/autonomous_operation_sop.md

@@ -5,7 +5,18 @@
 授权你进行自主行动，只要不对环境造成副作用都可进行。
 请先选择核心目标，再选择一个小目标进行。最终探测结果形成报告（含操作申请），待用户回来确认后再进行可能的写入或修改操作。
 
-> **must call update_working_checkpoint first**：`自主探索｜≤15回合｜只有cwd内可写｜用户不在(问题存报告)｜报告目录:./autonomous_reports/｜收尾:重读本SOP确认报告目录+更新history｜产出=报告+记忆提案 | **路径警告**：autonomous_reports 在 temp/ 下，用./autonomous_reports/访问，**严禁**`../memory/autonomous_reports/`或`../autonomous_reports/`！`
+---
+## 🚫 Step 0（阻塞）：写入约束便签 — 未完成禁止进入后续步骤
+
+**必须第一个动作就调用** `update_working_checkpoint`，写入以下内容：
+
+```
+自主探索｜≤15回合｜只有cwd内可写｜用户不在(问题存报告)｜报告目录:./autonomous_reports/｜收尾:重读本SOP确认报告目录+更新history｜产出=报告+记忆提案 | 路径警告：autonomous_reports在temp/下，用./autonomous_reports/访问，严禁../memory/autonomous_reports/或../autonomous_reports/！
+```
+
+⛔ **跳过 Step 0 = 违规**。历史教训：R175因跳过此步，报告存错路径（Desktop而非./autonomous_reports/）。
+
+---
 
 ## 📋 大纲
 - 报告目录与规则

memory/plan_sop.md

@@ -1,15 +1,38 @@
 # Plan Mode SOP
 
-## 拆分
+## 1. 分类：识别任务结构
-1. 分析任务，必要时先读相关SOP确定子步骤
+分析子任务间关系，选择匹配的结构：
-2. 拆成可验证的原子步骤，风险步前置
 
-## 写入 checkpoint
+- **Sequential** — 步骤间有输入输出依赖 (部署/ETL/构建)
-将以下写入 working checkpoint（忽略长度限制）：
+- **MapReduce** — 多独立维度，各自深入后汇总 (5P/SWOT/多文件审查)
+- **Branch** — 结果不确定，按条件选路径 (调试/探测/方案选择)
+- **Loop** — 重复直到满足条件 (优化/翻页/迭代修改)
+- **DAG** — 混合依赖，部分可并行 (项目开发)
 
-=== PLAN ===
+可嵌套：大结构某步内部用另一种结构
-[ ] 步骤1
+
-[ ] 步骤2
+## 2. 分解模板
+
+**Sequential:**  `[ ] A → [ ] B → [ ] C`
+
+**MapReduce:**
+```
+MAP [子流程: 读现状→分析→输出]:
+[ ] 维度1: ...
+[ ] 维度2: ...
+REDUCE:
+[ ] 汇总 → 终稿
+```
+
+**Branch:**  `[ ] 尝试X → 成功:[ ]Y / 失败:[ ]Z`
+
+**Loop:**  `[ ] LOOP(max=N): 执行→检查→调整`
+
+**DAG:**  `[ ] A → [ ]{B,C}并行 → [ ]D汇聚`
+
+## 3. 写入 checkpoint
+
+=== PLAN (结构类型) ===
 ...
 === PLAN RULES ===
 - 每完成/跳过一步，重新 update working checkpoint

memory/tmwebdriver_sop.md

@@ -7,13 +7,14 @@
 
 ## 限制(isTrusted)
 - JS dispatch的事件`isTrusted=false`，敏感操作(文件上传/部分按钮)会被浏览器拦截
-- 文件上传：JS无法填充`<input type=file>`，必须ljqCtrl物理点击+Win32轮询文件对话框
+- ⭐**首选绕过：CDP桥**——CDP派发的Input事件是浏览器原生级别(isTrusted=true)，且无需前台，见下方CDP章节
+- 文件上传：JS无法填充`<input type=file>`，仍需ljqCtrl物理点击+Win32轮询文件对话框
   - 流程：SetForegroundWindow→ljqCtrl点上传按钮→FindWindow轮询对话框→输入路径→轮询关闭
-- 元素→屏幕物理坐标(ljqCtrl点击前必算)：JS一次取rect+窗口信息，公式：
+- 备选：元素→屏幕物理坐标(ljqCtrl/PostMessage点击前必算)：JS一次取rect+窗口信息，公式：
   - `physX = (screenX + rect中心x) * dpr`，`physY = (screenY + chromeH + rect中心y) * dpr`
   - chromeH = outerHeight - innerHeight，dpr = devicePixelRatio
   - 注意：screenX/Y也是CSS像素，所有值先加后统一乘dpr
-- 结论：读信息+普通操作用TMWebDriver；文件上传等敏感操作需配合ljqCtrl
+- 结论：读信息+普通操作用TMWebDriver；需isTrusted事件首选CDP桥；文件上传需配合ljqCtrl
 
 ## 导航
 - `web_scan` 仅读当前页不导航，切换网站用 `web_execute_js` + `location.href='url'`
@@ -42,37 +43,27 @@ fetch('PDF_URL').then(r=>r.blob()).then(b=>{
 - 已修复：移除TM脚本内轮询，改由Python侧`get_session_dict()`前后对比检测新标签
 - 同理：TM脚本中任何后台逻辑都应避免依赖setTimeout轮询
 
-## Cookie+CDP桥(tmwd_cdp_bridge扩展)
+## CDP桥(tmwd_cdp_bridge扩展) ⭐首选
-前提：需先安装`assets/tmwd_cdp_bridge/`扩展(含debugger权限)
+扩展路径：`assets/tmwd_cdp_bridge/`(需安装，含debugger权限)
-触发ID：`__ljq_ctrl`
+调用：MutationObserver监听addedNodes(id=`__ljq_ctrl`)，⚠每次必须remove旧→createElement新→设textContent JSON→appendChild
-### Cookie提取(含HttpOnly)
-注入`id="__ljq_ctrl"`的div(无需data-cmd，默认cookies)→扩展写回JSON到textContent
 ```js
-const d=document.createElement('div');d.id='__ljq_ctrl';
+const old = document.getElementById('__ljq_ctrl');
-document.body.appendChild(d);
+if (old) old.remove();
-await new Promise(r=>setTimeout(r,300));
+const el = document.createElement('div');
-return d.textContent; // {ok:true, data:[...]}
+el.id = '__ljq_ctrl'; el.style.display = 'none';
+el.textContent = JSON.stringify({cmd:'...', ...});
+document.body.appendChild(el);  // 响应写回el.textContent
 ```
-### CDP命令(任意Chrome DevTools Protocol)
+命令：`{cmd:'tabs'}` | `{cmd:'cookies'}` | `{cmd:'cdp', tabId:N, method:'...', params:{...}}`
-```js
+- CDP可用任意方法(Input/Network/DOM/Page/Runtime/Emulation等)，每次attach→send→detach
-const d=document.createElement('div');d.id='__ljq_ctrl';
+- ⭐跨tab无需前台：指定tabId即可操作后台标签页
-d.dataset.cmd='cdp'; d.dataset.method='Network.getCookies';
+- ⭐绕过isTrusted：CDP派发的Input事件是浏览器原生级别
-d.dataset.params=JSON.stringify({urls:[location.href]});
-document.body.appendChild(d);
-await new Promise(r=>setTimeout(r,500));
-return d.textContent; // {ok:true, data:{...}}
-```
-- 可用任意CDP方法(Network/DOM/Page/Runtime等)，参数通过data-params传JSON
-- 每次调用会attach→sendCommand→detach debugger，页面顶部会短暂显示调试提示
 
-## 登录凭证autofill获取
+## autofill获取
-检测：simphtml.py已内置autofill检测，`web_scan`输出的input会带`data-autofilled="true"`属性，value显示为`⚠️受保护-读tmwebdriver_sop的autofill章节提取`（非真实值）
+检测：web_scan输出input带`data-autofilled="true"`，value显示为受保护提示(非真实值，Chrome安全保护需点击释放)
-问题：`:-webkit-autofill`可探测autofill状态，但`input.value`为空（Chrome安全保护，需物理点击释放）
+- ⭐首选CDP：tabs获取tabId→CDP mousePressed点击输入框→autofill值释放→JS读`.value`(无需前台)
-突破：PostMessage点击输入框触发释放
+- 备选PostMessage物理点击(仅Windows/需前台)：枚举Chrome窗口标题匹配→rect*dpr→WM_LBUTTONDOWN/UP到Chrome_RenderWidgetHostHWND子窗口
-前置：枚举Chrome主窗口标题匹配web_scan当前页标题，不匹配则切换标签页（避免点到后台tab）
+  - 坑：多RenderWidgetHostHWND共存，必须按父窗口标题匹配再取子窗口
-流程：JS检查`:-webkit-autofill`→获取`getBoundingClientRect()*devicePixelRatio`→PostMessage发`WM_LBUTTONDOWN/UP`到`Chrome_RenderWidgetHostHWND`子窗口→读`value`
-坑：多个RenderWidgetHostHWND共存(NexonLauncher等非浏览器Chrome应用也有)，必须EnumWindows按父窗口标题匹配目标页再取其子RenderWidget
-平台：Windows用PostMessage；macOS用CGEvent（未测试）
 
 ## 验证码/页面视觉截图
 - 优先：JS `canvas.toDataURL()` 直接拿base64（验证码是canvas/img时最干净，无需截屏）

sidercall.py

@@ -37,7 +37,7 @@ class SiderLLMSession:
         return full_text   
 
 class ClaudeSession:
-    def __init__(self, api_key, api_base, model="claude-opus", context_win=9000):
+    def __init__(self, api_key, api_base, model="claude-opus", context_win=10000):
         self.api_key, self.api_base, self.default_model, self.context_win = api_key, api_base.rstrip('/'), model, context_win
         self.raw_msgs, self.lock = [], threading.Lock()
     def _trim_messages(self, messages):
@@ -51,7 +51,7 @@ class ClaudeSession:
             else: break
         if current > self.context_win * 3.6: print(f'[DEBUG] {len(result)} contexts, whole length {current//4} tokens.')
         return result[::-1] or messages[-2:]
-    def raw_ask(self, messages, model=None, temperature=0.5, max_tokens=4096):
+    def raw_ask(self, messages, model=None, temperature=0.5, max_tokens=6144):
         model = model or self.default_model
         headers = {"x-api-key": self.api_key, "Content-Type": "application/json", "anthropic-version": "2023-06-01"}
         payload = {"model": model, "messages": messages, "temperature": temperature, "max_tokens": max_tokens, "stream": True}

simphtml.py

@@ -18,6 +18,7 @@ function createEnhancedDOMCopy() {
     const clone = sourceNode.cloneNode(false);
     if ((sourceNode.tagName === 'INPUT' || sourceNode.tagName === 'TEXTAREA') && sourceNode.value) clone.setAttribute('value', sourceNode.value);
     else if (sourceNode.tagName === 'SELECT' && sourceNode.value) clone.setAttribute('data-selected', sourceNode.value);  
+    try { if (sourceNode.matches && sourceNode.matches(':-webkit-autofill')) { clone.setAttribute('data-autofilled', 'true'); if (!sourceNode.value) clone.setAttribute('value', '⚠️受保护-读tmwebdriver_sop的autofill章节提取'); } } catch(e) {}
 
     const isDropdown = sourceNode.classList?.contains('dropdown-menu') ||   
              /dropdown|menu/i.test(sourceNode.className) || sourceNode.getAttribute('role') === 'menu'; 

tgapp.py

@@ -70,10 +70,14 @@ async def handle_msg(update, ctx):
         return await update.message.reply_text("no")
     msg = await update.message.reply_text("thinking...")
     dq = agent.put_task(update.message.text, source="telegram")
-    await _stream(dq, msg)
+    task = asyncio.create_task(_stream(dq, msg))
+    ctx.user_data['stream_task'] = task
 
 async def cmd_abort(update, ctx):
     agent.abort()
+    task = ctx.user_data.get('stream_task')
+    if task and not task.done():
+        task.cancel()
     await update.message.reply_text("Aborted")
 
 async def cmd_llm(update, ctx):