02 — 怎么操作
它如何操作一台手机。
四件事循环：读屏、选动作、执行、再读一次。任务不是一段黑盒脚本，而是一串可检查的动作，每一步都能查看，每一步都能叫停。
四步
- 01先拆成几步
计划员拿到你这句话，先决定分几步、每步做什么、哪一步可能要你确认。
一句话能做完的事它不硬拆；拆了会把步骤列出来，改主意随时叫停。 - 02只描述看得见的东西
读屏员把当前界面压成「类型｜文字｜坐标」的控件树。模型看到的是结构化界面，而不是一整张图。
取不到控件树时，才退回 720p 截图交给多模态模型点坐标。 - 03一次只点一下
执行员不写自由代码，只在有限动作集里选一个：点按、滑动、输入、返回、完成。执行面越窄，意外越少。
支付、发送、删除这类敏感动作默认拦下来，等你点确认。 - 04做完再读一次
校验员重新读屏对结果：对上了才继续，对不上就退回上一步重来。
连续 3 步没有变化就自停，宁可停下来告诉你，也不往下瞎点。
六档权限，按需放开
- 标准
- 应用内操作、工作区文件、联网；不需要系统授权；点不动别的 App
- 无障碍
- 读任意界面、点按、手势、输入、返回；去系统设置里打开开关；可能被厂商 ROM 杀
- 电脑调试（ADB）
- 插线或无线配对后由电脑执行，适合调试和批量跑
- 手机调试
- 本机无线配对，不需要电脑在旁边
- Root
- 最高权限、免等待直接执行；适合你自己的常用设备
- 安全 Root
- 沙盒里跑，搞坏了不影响真机；敏感操作照旧要确认
六档在设置里手动选，9 项权限逐项授权，越界的操作直接拒绝并说明原因。
四类扩展包
技能
把操作流程沉淀成步骤清单：开深色模式、连公司 WiFi、清理缓存，装上就会。
MCP 工具
标准 Model Context Protocol 服务，给代理接外部能力：文件、浏览器、数据库、联网检索。
插件
挂在读屏与解析链路上增强本体：读屏增强、快捷指令、通知转发、录制回放。
沙盒包
隔离环境里跑敏感流程，不碰真机数据；内置 Alpine，root 之后能直接开容器。
安全闸
危险操作先问一句
卸载、付款、发消息、清数据这类动作默认弹确认，你点「允许」它才动。
步数按任务给
普通的「打开 XX 页面」用默认步数；只有写页面、写游戏这类才抬到 50 步，并在界面上写明。
连续 3 步没变化就停
判定自己走进死胡同，停下并原样返回最后一步，而不是继续瞎点。
每步一个检查点
回退不是重跑任务，是把上一步改动的状态复原，再接着走。
一次真实任务：把深色模式打开
- 01读屏。拿到「设置 → 显示」的控件树，看到「深色模式」是个开关，当前是关。
- 02选动作。模型在动作集里挑一个：点按「深色模式」，坐标取自这一次读屏。
- 03执行。无障碍服务把这一下点下去。
- 04回读。再读一次屏，确认开关变成开；没变就重试一次，还不行就停在这里。
- 05报告。把走过的这几步原样摆给你，做成了什么、哪一步没动，都写清楚。
内置示例包就是照这个流程写的：三步，看得懂就能照着改。
失败的时候
先说卡在哪
把最后一条工具的返回原样贴给你：是找不到控件、还是权限不够，一眼能看出来。
卡点写进记忆
失败会记一条「坑」，同类任务下次开局就能看见，不用再踩一遍。
权限不够直接说
要 shell 但只开了无障碍时，第一步就停下，告诉你缺哪一档、去哪开。
危险操作等你点
卸载、付款、发消息这类动作，确认框不点，它一步都不走。