重构轮次警告机制并修复路径问题

- 提取next_prompt_patcher回调让handler自定义警告策略
- 修复turn显示不一致问题
- 每10轮注入全局记忆防止上下文丢失
- 强化autonomous_reports路径警告
- 新增subagent测试驱动SOP优化方法

agent_loop.py

@@ -16,6 +16,7 @@ def try_call_generator(func, *args, **kwargs):
 class BaseHandler:
     def tool_before_callback(self, tool_name, args, response): pass
     def tool_after_callback(self, tool_name, args, response, ret): pass
+    def next_prompt_patcher(self, next_prompt, outcome, turn): return next_prompt
     def dispatch(self, tool_name, args, response):
         method_name = f"do_{tool_name}"
         if hasattr(self, method_name):
@@ -85,9 +86,6 @@ def agent_runner_loop(client, system_prompt, user_input, handler, tools_schema,
             datastr = json.dumps(outcome.data, ensure_ascii=False, default=json_default) if type(outcome.data) in [dict, list] else str(outcome.data) 
             next_prompt += f"<tool_result>\n{datastr}\n</tool_result>\n\n"
         next_prompt += outcome.next_prompt
-        if (turn+1) % 7 == 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。如有需要，可调用 update_working_checkpoint 保存关键上下文。"
-        if (turn+1) % 30 == 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 = handler.next_prompt_patcher(next_prompt, outcome, turn+1)
         messages = [{"role": "user", "content": next_prompt}]
     return {'result': 'MAX_TURNS_EXCEEDED'}

ga.py

@@ -467,13 +467,21 @@ class GenericAgentHandler(BaseHandler):
         except: pass
         return prompt
 
+    def next_prompt_patcher(self, next_prompt, outcome, turn):
+        if turn % 30 == 0:
+            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()
+        return next_prompt
+
 def get_global_memory():
     prompt = "\n"
     try:
         with open('memory/global_mem_insight.txt', 'r', encoding='utf-8') as f: insight = f.read()
         with open('assets/insight_fixed_structure.txt', 'r', encoding='utf-8') as f: structure = f.read()
         prompt += f"\n[Memory]\n"
-        prompt += f'cwd = {os.path.abspath("./temp")}  （用./引用）\n'
+        prompt += f'cwd = {os.path.abspath("./temp")} （用./引用）\n'
         prompt += structure + '\n../memory/global_mem_insight.txt:\n'
         prompt += insight + "\n"
     except FileNotFoundError: pass

memory/autonomous_operation_sop.md

@@ -1,9 +1,11 @@
 # 自主行动 SOP (探测-报告-执行)
 
+⚠️ **路径警告**：autonomous_reports 在 temp/ 下，用`./autonomous_reports/`访问，**不是**`../memory/autonomous_reports/`或`../autonomous_reports/`！
+
 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_memory**：`自主探索｜≤15回合｜只有cwd内可写｜用户不在(问题存报告)｜收尾:重读本SOP确认报告目录+更新报告目录内history｜产出=报告+记忆提案`
+> **must call update_working_checkpoint**：`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`
 
 ## 📋 大纲
 - 报告目录与规则
@@ -12,7 +14,8 @@
 
 ## 报告目录与规则
 
-⚠️ 历史记录唯一位置：`./autonomous_reports/history.txt`， 在此目录内，禁止写到其他任何路径。
+⚠️ 历史记录唯一位置：`./autonomous_reports/history.txt`
+
 报告存于 `./autonomous_reports/`，文件名 `RXX_简短描述.md`（XX从 history.txt 推断自增）。
 完成后在 history.txt 首行 prepend 一条：`RXX | 日期 | 类型 | 主题 | 结论`（严格单行）。已处理报告归档至 `archived/`。
 

memory/subagent_sop.md

@@ -13,6 +13,21 @@
 - 测SOP质量：input指定SOP名（如"用ezgmail_sop查看最近3封未读邮件"），排除导航干扰，失败即SOP问题
 - 测导航能力：input只写目标，验证subagent能自主从insight找到正确SOP。禁止内联SOP内容
 
+### 测试驱动SOP优化方法
+
+**场景**：发现SOP存在路径/参数/步骤问题，需验证修改效果
+
+**方法**：
+1. 创建test_path测试环境：`temp/test_path/`，写入input.txt描述测试目标
+2. 启动subagent：`python agentmain.py --task test_path`（从代码根启动）
+3. 观察output.txt和实际文件操作，验证SOP修改是否生效
+4. 清理test_path，重复测试直到验证通过
+
+**关键发现**（已验证）：
+- **Insight优先级>SOP**：subagent优先读Insight索引，Insight中的警告/约束会覆盖SOP中的说明
+- **subagent的cwd**：和主agent相同（都在temp/），subagent不知道自己是subagent
+- **路径引用**：从temp/访问memory/用`../memory/`，访问autonomous_reports/用`./autonomous_reports/`（在temp/下）
+
 **标准流程（map-reduce）**：
 1. 主agent准备阶段：爬取/dump数据，存为多个独立输入文件
 2. 分发：对每个文件启动一个subagent处理（主agent自己也可以处理其中一个）