Skip to content
Merged
Show file tree
Hide file tree
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
2 changes: 1 addition & 1 deletion .claude-plugin/marketplace.json
Original file line number Diff line number Diff line change
@@ -1,6 +1,6 @@
{
"name": "ego-decision-layer",
"version": "0.12.0",
"version": "0.13.0",
"owner": {
"name": "liuyuchen",
"url": "https://github.com/jiangkoumo"
Expand Down
2 changes: 1 addition & 1 deletion .claude-plugin/plugin.json
Original file line number Diff line number Diff line change
@@ -1,6 +1,6 @@
{
"name": "ego-decision-layer",
"version": "0.12.0",
"version": "0.13.0",
"description": "给 ego lite 的可插拔决策层:默认 System One(Jev),可换本地 / 其他 OpenAI 兼容后端;执行层带 fail-closed 护栏。",
"author": {
"name": "liuyuchen",
Expand Down
32 changes: 8 additions & 24 deletions AGENTS.md
Original file line number Diff line number Diff line change
Expand Up @@ -116,30 +116,14 @@ docs/ demo 素材与重做脚本(banner.svg / demo.gif / ca
丢弃未提交改动,必须已有用户明确授权;要求先展示再批准时,先给出可审阅结果。
- 交付记录四项:已完成、实际验证结果(命令与退出码或只读检查依据)、未完成、具体阻碍。

## 并行开发(仅在用户明确要求时启用)

- 默认单 agent 完成任务;本节不授权自动启动子 agent。用户只要求只读审阅或调研时,
按该授权使用只读 reviewer,不必启动下述开发流程。
- 用户要求并行开发或用 Herdr pane 开发时,主控使用 Herdr 的 worktree 与可见 pane 派活,
不用 subagent 插件替代;先读取 Herdr 技能并确认运行环境可用,遇阻报告。
- 主控先为每个任务创建 GitHub Issue,写清需求、来源证据、验收方式、拟用分支与允许修改的文件;
推测标为「待验证」。展示 Issue 清单,用户确认后才创建 worktree、启动子 agent。
- 一个 Issue 对应一个分支,分支名带 Issue 编号(如 `fix/12-loop`)。子 agent 开工前
用 `gh issue view <编号>` 读取任务;读不到或实际情况与 Issue 冲突时停止依赖该信息的工作并报告。
- 按文件与模块拆分,最多同时 3 个任务;两个 worktree 不得修改同一文件,源文件与其生成物
也不能拆给不同 writer。有依赖的任务串行;共享入口、`CHANGELOG.md`、版本元数据与
`AGENTS.md` 留给主控统一修改。
- 用 `herdr worktree create` 从最新且已核实的 `main` 建分支,在对应 worktree 开可见 pane,
用 `herdr agent start` 和 `herdr agent prompt` 启动并派活;向用户列出 Issue、pane、分支与路径。
- 子 agent 先记录检查基线,只改允许的文件;需要扩大范围或出现 blocked 时联系主控。
主控及时向用户报告,不代替用户批准范围变更。
- 子 agent 检查通过后一个任务一个 commit,message 带 `Fixes #<编号>`;不合并、不 rebase、
不推送。报告改动及原因、测试通过/失败/SKIP、真实行为验证、未完成或偏差与 commit hash。
- 主控核实各报告,附每个分支的 `git log main..<分支> --oneline` 和
`git diff main...<分支> --stat`,提出合并顺序;用户确认后逐个合并。
从第二个分支起,先 rebase 到最新 `main`,重跑受影响检查后再合并。
- 合并后将报告与 commit 评论到对应 Issue;推送和用 `herdr worktree remove` 清理 worktree、
删除分支仍需用户明确授权。
## 子 agent 与并行开发

通用规则见全局 `~/.pi/agent/AGENTS.md`「子 agent 与并行开发」。本仓库补充:

- 源文件与其生成物不能拆给不同任务;共享文件还包括版本元数据(版本号要和 CHANGELOG 等保持一致),留给主控。
- 子 agent 开工前跑受影响模块的检查记下基线,完成后按「开发约定」重跑必需的专项检查。
- 子 agent 报告里分别列出测试通过、失败、SKIP,以及真实浏览器任务的验证结果。
- 主控汇总时再附上每个分支的 `git diff main...<分支> --stat`。

## 开发约定

Expand Down
23 changes: 23 additions & 0 deletions CHANGELOG.md
Original file line number Diff line number Diff line change
Expand Up @@ -7,6 +7,29 @@
每个版本按 **新增 / 修复 / 更正 / 未验证** 分组。「更正」记的是被实测推翻的旧结论,
不是新功能;「未验证」如实列出还没测过的边界。

## 0.13.0 — 2026-10-28

### 新增

- 真实 Jev 双宿主基准扩充第二批(Issue #15 推进):新增显式选择的 `--tasks v2` 8 项真实任务(保留 HN 导航与 Wiki Jev,新增 HN newest / ask / show / jobs,以及 Wiki Ada Lovelace 与 Alan Turing 搜索);每项固定 5 步、30 秒和 5 次逻辑 ask 预算。独立验证器增加 HN 选中导航与故事/评论结构断言,以及严格大小写敏感的英文 Wiki 标题断言;默认或 `all` 选择器保留历史 `p2-live-v1`。
- 被动有界诊断与离线分析(`bench/live-benchmark/diagnostics.mjs`、`analyze.mjs`):在不增加任何额外模型或浏览器调用的前提下,记录有界脱敏的决策候选与选择、模型请求与公开浏览器方法耗时(未测量的等待保持 `null`,不捏造 settle 耗时);提供纯离线分析 CLI,兼容历史 raw 文件。

### 修复

- 阻断目标缺失与滚动的交替循环(`targetMissing` → 自动下滚 → 模型上滚):揭示额度只由已验证的交互动作真实进展恢复,无进展的动作或被动新观测不再重置揭示配额;基于观测指纹、滚动位置与动作检测状态振荡,循环时有界提前以 `stuck` 退出,且至少经过两次访问才判定循环,避免 `maxSameAction: 1` 首步误杀。
- 易变文本归一化(时间戳、倒计时、相对时间)防止动态时钟绕过循环检测,同时保留真实业务数量(如“剩余 10 件”)与不同内容指纹的恢复能力。
- 快照观测模式补齐指纹计算前的 URL 隔离与无 `scrollInfo` 下的位置基线,同时跳过未支持的 reveal 调度,避免快照模式空耗揭示额度。

### 更正

- 循环修复仅消除无进展的上下滚死循环,不能保证搜索入口被模型稳定选中。首轮 16 次集成测量中,CDP 下的 Jev 与 Alan Turing 搜索仍因早期决策未选中搜索入口而在 5 步内耗尽退出。

### 未验证

- 本版真实双宿主基准仍只在 macOS arm64 上测量,Windows / Linux 真实端到端未测。
- 8 项真实任务的端到端测量只进行了首轮 1 轮(共 16 次试验,13 次通过、错误成功 0),小样本不代表普遍成功率或宿主性能差异。
- 费用(`costUsd`)与人工接管率仍为 `null`;部分请求失败时 token 总量如实传播 `null`。

## 0.12.0 — 2026-10-26

### 新增
Expand Down
4 changes: 2 additions & 2 deletions README.en.md
Original file line number Diff line number Diff line change
Expand Up @@ -6,7 +6,7 @@ English · [简体中文](README.md)

A pluggable decision layer for ego lite browser automation. By default, TypeSafe's System One model **Jev** reads an indexed element table and selects an operation and its target in one request. Code handles observation, execution, guards and completion checks. OpenAI-compatible decision backends are also supported.

**Latest release: v0.12.0.** This release expands the controlled benchmark to 12 tasks, adds an initial real Jev two-host benchmark for HN and Wikipedia, and covers timeout, launch and resource-cleanup failures with offline regressions. It retains the external Chrome CDP entry, experimental MCP tools, `update` / `--version` and Windows path fixes. Download source from the [release page](https://github.com/jiangkoumo/ego-decision-layer/releases/latest).
**Latest release: v0.13.0.** This release expands the real Jev two-host benchmark to eight tasks (adding Hacker News sub-lists and additional Wikipedia search targets), introduces passive bounded diagnostics and offline timing analysis, and fixes reveal-quota oscillations and volatile text bypassing. It retains the external Chrome CDP entry, experimental MCP tools, `update` / `--version` and Windows path fixes. Download source from the [release page](https://github.com/jiangkoumo/ego-decision-layer/releases/latest).

## Requirements and installation

Expand Down Expand Up @@ -146,7 +146,7 @@ The [Chinese guide](README.md) lists browser integration tests and additional re

## Next steps

The [roadmap](ROADMAP.md) records the Host Adapter, external Chrome CDP entry, first shared controlled task suite and minimal MCP entry delivered in v0.11.0. Version 0.12.0 delivers the second benchmark batch: 12 controlled tasks and an initial real Jev two-host measurement. See the [live benchmark guide](bench/live-benchmark/README.md) for its fixed command, raw results and small-sample limits. Image grounding, additional decision backends and bounded escalation to a larger model require separate validation. ego lite remains a first-class host.
The [roadmap](ROADMAP.md) records the Host Adapter, external Chrome CDP entry, first shared controlled task suite and minimal MCP entry delivered in v0.11.0, and the second controlled benchmark batch in v0.12.0. Version 0.13.0 delivers the 8-task real Jev live benchmark, passive diagnostics, and bounded scroll/reveal loop recoveries. See the [live benchmark guide](bench/live-benchmark/README.md) for its fixed command, raw results and small-sample limits. Image grounding, additional decision backends and bounded escalation to a larger model require separate validation. ego lite remains a first-class host.

## Attribution and license

Expand Down
6 changes: 3 additions & 3 deletions README.md
Original file line number Diff line number Diff line change
Expand Up @@ -9,7 +9,7 @@
> **当前能力**:线性操作闭环、结构化抽取、动作缓存、批处理和 Canvas/SVG 图形区域兜底。
> 各能力都有对应测试,见[功能验证](#功能验证);历史性能数据的条件与复跑脚本见[测量与复跑基准](#测量与复跑基准)。
> [`CHANGELOG.md`](CHANGELOG.md) 保留修复记录和被实测推翻的旧结论,代码级溯源见 [`THIRD-PARTY.md`](THIRD-PARTY.md)。
> **最新版 `v0.12.0`**:P2 第二批受控集扩至 12 项,新增真实 Jev 的 HN / Wikipedia 双宿主测量入口,并补齐超时、启动失败和资源清理的异常路径回归。首批十二次试验为 10 次达成、错误成功 0;复跑命令、原始记录与小样本限制见[测量说明](bench/live-benchmark/README.md)。[发布页](https://github.com/jiangkoumo/ego-decision-layer/releases/latest)提供源码下载;不同安装方式的更新规则见[下载与更新渠道](#下载与更新渠道)。
> **最新版 `v0.13.0`**:P2 真实双宿主基准扩至 8 项任务(包含 HN 4 类列表与 Wiki 多词条搜索),增加有界被动诊断与离线分析;修复目标缺失与滚动的交替循环及揭示配额重置边界,并隔离动态时钟干扰。首轮 16 次试验为 13 次达成、错误成功 0;复跑命令、原始记录与小样本限制见[测量说明](bench/live-benchmark/README.md)。[发布页](https://github.com/jiangkoumo/ego-decision-layer/releases/latest)提供源码下载;不同安装方式的更新规则见[下载与更新渠道](#下载与更新渠道)。

> English summary: `ego-decision-layer` replaces the per-step LLM round trip in browser automation with
> [TypeSafe](https://docs.typesafe.ai)'s System One model **Jev**. Jev reads one *indexed element
Expand Down Expand Up @@ -188,7 +188,7 @@ cd ego-decision-layer

### 下载与更新渠道

`metadata.version` 当前为 `0.12.0`。`ego-decision-layer update [--test]` 与 `--version` 自 0.10.0 起提供。
`metadata.version` 当前为 `0.13.0`。`ego-decision-layer update [--test]` 与 `--version` 自 0.10.0 起提供。
Git 安装按当前分支上游 fast-forward,skills 拷贝按安装记录定向更新并保留原作用域;
ZIP / 插件安装没有匹配记录时需走原渠道。旧版本先按原渠道更新一次,才能获得新子命令。
已跟踪文件有未提交改动时更新停止并非零退出,普通未跟踪文件保留,冲突由 Git 拒绝覆盖。
Expand All @@ -207,7 +207,7 @@ ego-decision-layer update --test # 更新后运行真实浏览器冒烟
| 新 `git clone`,默认分支 `main` | 是 |
| 跟踪 `main` 的克隆执行 `git pull --ff-only` / `ego-decision-layer update` | 更新成功后包含;已跟踪文件有未提交改动时更新会停止并非零退出 |
| GitHub 下载 `main` 的 ZIP | 是,内容以下载时的 `main` 为准 |
| 下载 `v0.12.0`、`v0.11.0`、`v0.10.0` 或 `v0.9.1` 发布页或标签的 ZIP/tar.gz | 是 |
| 下载 `v0.13.0`、`v0.12.0`、`v0.11.0`、`v0.10.0` 或 `v0.9.1` 发布页或标签的 ZIP/tar.gz | 是 |
| 下载 `v0.9.0` 标签的 ZIP/tar.gz,或固定该标签/更早提交 | 否,需要更新到 `v0.9.1` 或含修复的提交 |
| `npx skills add jiangkoumo/ego-decision-layer` | 未固定 ref 时获取仓库默认分支;已有拷贝需要重新安装更新,不会随合并自动变化 |
| Claude Code 插件市场安装 | 已安装的插件可能仍使用缓存;需更新 marketplace 和已安装插件,再核对其实际代码 |
Expand Down
10 changes: 6 additions & 4 deletions ROADMAP.md
Original file line number Diff line number Diff line change
@@ -1,22 +1,24 @@
# ego-decision-layer 演进规划(Roadmap)

## 当前进度与下一阶段优先级(2026-10-26)
## 当前进度与下一阶段优先级(2026-10-28)

方向:**去宿主化,同时保持 ego lite 一等公民**。继续以原始数据、确定性验收与 fail-closed 执行护栏作为交付依据。
当前发布为 v0.12.0:P1 与 P3 最小版在 v0.11.0 交付,P2 第二批随 v0.12.0 发布,包含 12 项受控验收与真实 Jev 双宿主测量入口;其余未交付项仍为规划,不承诺未经验证的模型能力或完成日期。
当前发布为 v0.12.0:P1 与 P3 最小版在 v0.11.0 交付,P2 第二批随 v0.12.0 发布。尚未发布的 main 已合入有界滚动循环修复、八项真实任务 v2 与被动诊断;首轮双宿主 16 次试验为 13 次达成、错误成功 0,失败完整保留,见[测量说明](bench/live-benchmark/README.md)。其余未交付项仍为规划,不承诺未经验证的模型能力或完成日期。

| 优先级 | 工作 | 验收标准与依赖 |
| --- | --- | --- |
| P0:当前发布 | v0.12.0 交付 P2 第二批及异常路径回归;v0.11.0 交付 P1 外部 CDP 入口与 P3 MCP 最小入口;v0.10.0 已交付 `update` / `--version` 与英文 README | 更新集成、版本一致性与真实浏览器冒烟通过;版本元数据、标签和 Release 对齐 |
| P0:当前发布 | v0.13.0 交付 P2 真实 Jev 双宿主 8 项基准、被动诊断与有界滚动循环修复;v0.12.0 交付 P2 第二批受控任务与异常路径回归;v0.11.0 交付 P1 外部 CDP 入口与 P3 MCP 最小入口;v0.10.0 已交付 `update` / `--version` 与英文 README | 更新集成、版本一致性与真实浏览器冒烟通过;版本元数据、标签和 Release 对齐 |
| P1:去宿主化(v0.11.0 已交付) | 最小 Host Adapter 契约与普通 Node + 外部 Chrome CDP endpoint 入口已提供,保留 ego lite 体验;真实 CDP 目前只在 macOS 验证 | 同一组搜索、点击、输入任务在两个宿主通过;遮挡、陈旧目标、危险动作与控制停止仍按原语义处理;连接与页面归属、清理可验证 |
| P2:共同基准(v0.12.0 第二批已交付) | 受控任务扩至 12 项,双宿主各 12/12;真实 Jev 首批为 HN 导航与 Wikipedia 搜索、每宿主每任务 3 轮,10/12 达成、错误成功 0。小样本不代表普遍成功率;后续再扩到 30–50 个真实任务 | 相同目标、输入、验证器与预算;报告成功率、错误成功率、延迟、请求数、花费、护栏拒绝率、人工接管率及失败消耗;登录、验证码、地域与站点变化单独记录 |
| P2:共同基准(v0.13.0 真实基准扩至 8 项;v0.12.0 受控集交付) | 受控任务 12 项双宿主各 12/12;真实 Jev 第二批扩至 8 项(HN 列表与 Wiki 多词条搜索),首轮 16 次试验为 13 达成、错误成功 0。小样本不代表普遍成功率;后续再扩到 30–50 个真实任务 | 相同目标、输入、验证器与预算;报告成功率、错误成功率、延迟、请求数、花费、护栏拒绝率、人工接管率及失败消耗;登录、验证码、地域与站点变化单独记录 |
| P3:MCP 入口(v0.11.0 最小版已交付) | 已提供实验性 stdio `browser_task`、状态查询与取消;去重仅限当前服务进程,真实运行目前只在 macOS 验证 | 返回任务标识、确定性验证结果、停止原因与已执行动作;明确取消、重试、连接释放和页面所有权;调用方重试不盲目重复已有副作用 |
| P4:视觉实验 | 通过现有 `visualGrounder` 注入 Jev 图像 + box 定位,默认关闭、显式开启 | 先核实 Jev 1.14 / `jev-preview` 的官方契约与实际可用性;验证截图缩放、CSS 坐标映射、页面漂移、遮挡及无法确认的危险区域处理;测定位准确率、请求延迟与实际点击成功率 |
| P4:后端横评 | 使用共同任务集比较 Jev、候选 Clef / Clef-flash 与一个本地小模型 | 先确认服务、模型版本、能力与价格;固定任务和执行护栏,记录响应中的实际模型版本、配置与原始数据;不把缺少可比能力的模型硬凑成版本 A/B |
| P5:失败升级 | 连续无进展或 blocked 时,打包状态交给大模型规划,再有界恢复 | 设置升级次数、总步数、时间与费用预算;区分未派发、已派发与结果未知,结果未知先复核;人工接管和执行护栏不被规划结果绕过 |

### 实施边界

- **2026-10-28 main 集成已完成(未发布)**:滚动揭示额度只由已验证交互进展恢复,检测旧状态振荡,保留真实新内容与业务数量差异;snapshot 路径不再消耗未执行的 reveal 配额。新增 `--tasks v2` 显式八项集与离线诊断分析,旧 `all` 默认仍为 v1。首轮 ego 8/8、CDP 5/8,三个失败分别为 HN 模型请求 `fetch failed`、Jev / Alan Turing 搜索五步耗尽;搜索入口选取稳定性仍待解决。下一步优先复现这些失败,再扩到 30–50 项;不能把循环修复表述为搜索可靠性保证。

- **P2 第二批已完成**:[Issue #14](https://github.com/jiangkoumo/ego-decision-layer/issues/14) 补齐 `no-text-source` 与 `batch-two-fields`;[Issue #15](https://github.com/jiangkoumo/ego-decision-layer/issues/15) 提供真实 Jev 双宿主测量入口。复跑受控集用 `node bench/common-benchmark/run.mjs --hosts both`;真实测量用 `node bench/live-benchmark/run.mjs --live --hosts both --tasks all --rounds 3`,原始数据与限制见 [测量说明](bench/live-benchmark/README.md)。两项均通过独立审阅,保留 CDP Wikipedia 的两次五步预算失败;下一步扩充真实任务覆盖。
- P2 本轮不绑定引擎全面拆分或新宿主能力;保持 `scripts/decider-loop.mjs` 的稳定导出。后续模块化沿真实依赖逐步推进,每次只验证受影响部分。
- Jev box 首先比较「当前几何中心策略 vs 图像定位」。只有确认旧版与新版支持相同输入和输出契约,才做同能力的版本对照;合成受控页面的结果与真实站点结果分开报告。
Expand Down
4 changes: 2 additions & 2 deletions SKILL.md
Original file line number Diff line number Diff line change
Expand Up @@ -2,8 +2,8 @@
name: ego-decision-layer
description: 多步线性浏览器任务(连续点击、翻页、搜索表单提交、导航跳转)的默认入口:用 `ego-decision-layer` 一条命令让决策层在单个 ego-browser 进程内闭环决策(默认 System One / Jev,可换本地 OpenAI 兼容后端;browser automation / multi-step click chain / form submit / navigation),不再每步退回大模型思考。单步动作、精确 DOM/选择器、批量抓取仍走 ego-browser 原生 API;也可把官方 ego-browser 技能入口接管成路由层。当任务涉及浏览器多步操作、要写 ego-browser nodejs 脚本(await import / fetch / 凭证落盘)时读它。
metadata:
version: "0.12.0"
date: "2026-10-26"
version: "0.13.0"
date: "2026-10-28"
requires: ego-browser
---
# ego-decision-layer — 给 ego-browser 装一个可插拔的决策层
Expand Down
Loading
Loading