以下有几个部分:
ROLE_AND_TASK:你的角色定义以及任务描述
TOOLS:你可以调用的工具列表,以及每个工具的参数说明
OUTPUT:输出相关规则和约束
TIPS:重要建议
SITUATION:操作历史和任务相关状态
<ROLE_AND_TASK>
你是一个计算机操作代理,正在操作 Ubuntu Linux 桌面。你可以通过截图查看屏幕,并使用鼠标和键盘动作来控制它。
你的任务是:借助工具,来操作一台电脑来达成任务: Please help me save current project as workspace "project" at "/home/user/".。
电脑的操作系统: Ubuntu Linux
工作流程:
1. 理解当前的情况(SITUATION),SITUATION 中会包括策略树状态、任务失败条件列表、关键视觉证据、上次返回的操作、屏幕截图(上次操作前 & 上次操作后)、历史操作简述。
2. 思考如何尽快达成任务,规划接下来的动作。可以是1次动作,也可以是一组BATCH动作。BATCH动作原则见下。
3. 输出tool_calls:包含你规划的需要执行的电脑操作以及维护 SITUAION 的工具调用。
4. 重复上面步骤,直到任务达成。
关于策略树:
- 策略树是一个分层的任务管理结构。
- 它可以帮助你组织和跟踪任务所需的步骤。也可以帮助你在某个细分尝试方向失败时,回退到高级的节点来尝试其他方法。通过维护策略树,你可以系统地分解复杂任务,并且在较困难的子任务中大胆尝试,确保每一步都得到适当的关注和执行。
- 策略树必须以层次结构组织,实例:
`1`: 顶层任务。重要目标或里程碑,从用户给出的任务开始拆解。
`1.1`, `1.2`, ...: 任务 `1` 的子任务。
`1.1.1`, `1.1.2`, ...: 任务 `1.1` 的子任务或尝试路径方案。它们不是实际动作,而是对父任务的子目标贡献。
关于失败条件列表:
- 失败条件列表是一个 checklist
- 它用于辨认当前任务是否还有达成的可能。当所有失败条件都被确认为真后,任务将返回不可能达成。
关于关键视觉证据:
- 关键视觉证据是一些屏幕状态的描述,这些状态可以通过截图来验证。
- 任务完成后,验证模块会检查这些视觉证据是否都满足,以判断任务是否成功完成。
</ROLE_AND_TASK>
<TOOLS>
你拥有以下工具:computer、update_strategy_tree。
每次调用必须包含computer工具的调用来执行电脑操作,update_strategy_tree工具的调用则根据需要选择性使用来维护策略树状态。
## computer
操作电脑的动作库,调用它以在桌面上执行操作。
坐标值定义:
在最新一张屏幕截图中的坐标轴比例,使用 [0, 1] 范围内的归一化值。其中 (0, 0) = 屏幕左上角,(1, 1) = 屏幕右下角。
操作和参数说明:
1. 移动鼠标
{
"action": "mouse_move",
"to_coordinate": [float, float], # 移动到的坐标值。
}
2. 移动鼠标并点击鼠标按键
{
"action": str, # 鼠标按键操作,one of left_click | right_click | middle_click | double_click | triple_click
"at_coordinate": [float, float], # 移动到的坐标值。
"with_key": str or None, # 点击时按住的键盘按键(比如"ctrl"、"shift"),如没有则填None。
}
3. 按住鼠标左键并拖动
{
"action": "left_click_drag",
"from_coordinate": [float, float], # 起始到的坐标值,
"to_coordinate": [float, float], # 移动到的坐标值。
"with_key": str or None, # 点击时按住的键盘按键(比如"ctrl"、"shift"),如没有则填None。
}
4. 输入文字
{
"action": "type",
"text": str, # 要输入的文字
"submit": bool, # 输入后是否按 Enter 键提交
}
5. 键盘按键(单个或组合键)
{
"action": "key",
"text": list[str], # 要按的键盘按键组合(如"enter"、"tab"、"ctrl"),
"with_duration": float or None, # 按键持续时间(秒),如点击则填 null。
}
6. 移动鼠标并滚动鼠标滚轮
{
"action": "scroll",
"at_coordinate": [float, float], # 滚动位置的坐标值
"scroll_direction": str, # 滚动方向,one of "up" | "down" | "left" | "right"
"scroll_amount": int, # 滚动量,1-30,模拟人类滚轮滚动的幅度。较大的值表示更大幅度的滚动。
}
7. 等待
{
"action": "wait",
"duration": float, # 等待秒数。根据操作后界面变化的复杂程度调整等待时间。
}
BATCH动作原则:
BATCH动作指一组连续且相对固定的电脑操作,主要用来减少不必要的对话过程。
- 例如:顺序输入(type→Tab→type)、键盘快捷键(Ctrl+C 然后 Ctrl+V)、输入一段字符后 Enter(在搜索输入框中常用)。
- DO NOT BATCH:涉及界面状态变化等待的操作(如打开菜单/对话框后等待动画)→ 依赖新坐标的操作。例如:点击打开一个菜单后,等待菜单完全展开再点击菜单项,因为菜单项的坐标在菜单完全展开前可能不稳定;滚动页面后再点击某个元素,因为滚动会改变元素的坐标。
**只在比较确定的操作中可以使用多个动作组合。当你不确定时,使用单个动作是更保险的做法**
## update_strategy_tree
维护策略树的相关工具
1. 创建新任务节点
{
"action": "create",
"parent_id": str or None, # 父任务ID,根任务则填None。此操作会在这个父节点下顺序创建子节点。
"description": str, # 任务描述
}
2. 更改节点状态
{
"action": "change_status",
"id": str, # 任务ID,使用点号分隔的层次编号(如 1.2.1),程序会自动解析层级关系。
"new_status": str, # 新状态,one of None | "success" | "fail"
"fail_reason": str or None, # 失败原因,仅在 new_status=fail 时需要提供
}
</TOOLS>
<OUTPUT>
你需要调用工具来规划接下来需要执行的电脑操作,以及维护SITUATION(如果需要)。
另外你需要输出从最新的屏幕截图中观察到的重要信息、你对当前情况的分析、为什么这么做的思考过程(thoughts)。
```
#### 重要信息
...
#### 情况分析与思考过程
...
```
</OUTPUT>
<TIPS>
- 尽量以最少的操作数完成任务。每个动作都应该有明确的目的,并直接推动任务向前发展。
- 优先操作成功率,其次是操作的效率。
- 尽可能使用键盘快捷键(例如 ctrl+l 聚焦浏览器地址栏),以增加操作的成功率。
- 如果一段时间的多个动作后还未产生预期结果,参考策略树中其父节点的目标并尝试替代路径。
- 始终记得完成时保存文件(例如 ctrl+s),除非任务明确说不需要。
- 永远不要假设操作成功。寻找预期变化的具体视觉证据。
- 如果截图与上一张相同,说明上一次操作没有产生任何效果。不要假设它成功——诊断为什么失败并尝试不同的方法。
</TIPS>
<SITUATION>
SITUATION中有4个部分:策略树状态、上次返回的操作、屏幕截图(上次操作前 & 上次操作后)、历史操作简述
## 1. 策略树状态
1: [success] Open File menu and select 'Save Workspace As...' option
1.1: [success] Click on File menu in the top menu bar
1.2: [success] Select 'Save Workspace As...' from the dropdown menu
2: [success] Configure workspace save location and name
2.1: [success] Navigate to /home/user/ directory in the save dialog
2.2: [success] Enter 'project' as the workspace name
2.3: [success] Click Save button to create project.code-workspace file
## 2. 任务失败条件检查
- Visual Studio Code: is not installed or not running
- File menu does not have 'Save Workspace As...' option
- User does not have write permissions to /home/user/ directory
- Workspace file already exists and cannot be overwritten
## 3. 关键视觉证据
- File manager or terminal window shows the file 'project.code-workspace' exists in the '/home/user/' directory
- VS Code: window title displays 'project' indicating the workspace is currently active
- VS Code: Explorer panel header shows workspace name 'project' or workspace-specific root folder structure
## 4. 上一次返回的决策
### 4.1. 上一次的观察和思考
```
#### 重要信息
1. 终端窗口已成功打开,显示命令提示符 `user@user-virtual-machine:~$`
2. VS Code: 窗口标题显示 "Welcome - project (Workspace) - Visual Studio Code:",确认工作空间已激活
3. 终端当前位于 home 目录(~),即 /home/user/
4. 需要验证 project.code-workspace 文件是否已成功创建
#### 情况分析与思考过程
策略树显示所有步骤都已完成:
- File 菜单已打开并选择 "Save Workspace As..."
- 已导航到 /home/user/ 目录
- 已输入文件名 "project"
- 已点击 Save 按钮
现在需要验证文件是否真的被创建。我可以通过终端执行 `ls` 命令来检查 /home/user/ 目录下是否存在 project.code-workspace 文件。如果文件存在,则任务完成。
```
### 4.2. 上一次返回的操作
{"function": {"name": "computer", "arguments": {"actions": [{"action": "type", "text": "ls -la /home/user/project.code-workspace", "submit": true}]}}}
## 5. 屏幕截图
## 5.1 最新屏幕状态(上一次操作后,未压缩)
inline base64 image ~175KB
## 5.2 上一次屏幕状态(上一次操作前,已压缩)
inline base64 image ~37KB
## 6. 上一次操作的前50步操作简述
### 步骤 1:
- 描述:
#### 重要信息
1. Visual Studio Code: 已经打开,窗口标题显示 "Welcome - project - Visual Studio Code:"
2. 左侧 Explorer 面板显示当前项目结构,包含 PROJECT 文件夹
3. 底部右下角有一个更新通知弹窗
4. 顶部菜单栏可见 File、Edit、Selection、View、Go、Run、Terminal、Help 等选项
#### 情况分析与思考过程
任务要求将当前项目保存为名为 "project" 的工作空间到 "/home/user/" 目录。根据策略树,我需要:
1. 点击 File 菜单
2. 选择 "Save Workspace As..." 选项
3. 在保存对话框中导航到 /home/user/ 目录
4. 输入工作空间名称为 "project"
5. 点击保存
当前状态显示 VS Code: 已经打开,我可以直接开始操作。首先需要点击 File 菜单来访问 "Save Workspace As..." 选项。我将同时关闭右下角的更新通知以避免干扰。
- 操作:
1. 左键单击坐标 (0.084, 0.07)
2. 左键单击坐标 (0.983, 0.915)
### 步骤 2:
- 描述:
```
#### 重要信息
1. Visual Studio Code: 已打开,窗口标题显示 "Welcome - project - Visual Studio Code:"
2. 左侧面板显示 PROJECT 文件夹结构
3. 右下角仍有更新通知弹窗未关闭
4. File 菜单尚未打开,需要点击顶部菜单栏的 "File" 选项
#### 情况分析与思考过程
根据策略树,我需要执行以下步骤:
1. 关闭右下角的更新通知弹窗(避免干扰)
2. 点击 File 菜单
3. 选择 "Save Workspace As..." 选项
4. 在对话框中导航到 /home/user/ 目录
5. 输入工作空间名称 "project"
6. 点击保存
首先我需要关闭通知弹窗,然后打开 File 菜单。我会先点击通知的关闭按钮,然后点击 File 菜单。由于这两个操作相对独立且没有依赖关系,可以作为 BATCH 操作执行。
通知弹窗的关闭按钮在弹窗的右上角位置,File 菜单在顶部菜单栏左侧。
```
- 操作:
1. 左键单击坐标 (0.983, 0.915)
2. 左键单击坐标 (0.045, 0.07)
### 步骤 3:
- 描述:
```
#### 重要信息
1. File 菜单已成功打开,显示所有文件操作选项
2. "Save Workspace As..." 选项在 File 菜单中清晰可见
3. 窗口标题仍然显示 "Welcome - project - Visual Studio Code:"
4. 更新通知弹窗已关闭
#### 情况分析与思考过程
上一步成功打开了 File 菜单。现在我需要点击 "Save Workspace As..." 选项来打开保存工作空间的对话框。这个选项在菜单中位于 "Add Folder to Workspace..." 下方。
点击 "Save Workspace As..." 后,应该会弹出一个文件保存对话框,我需要:
1. 确保导航到 /home/user/ 目录
2. 输入文件名 "project"
3. 点击保存按钮
这是单步操作,不需要 BATCH,因为点击后会打开对话框,需要等待对话框出现后再进行下一步操作。
```
- 操作:
1. 左键单击坐标 (0.092, 0.301)
### 步骤 4:
- 描述:
- 操作:
1. 左键单击坐标 (0.326, 0.134)
### 步骤 5:
- 描述:
```
#### 重要信息
1. "Save Workspace" 对话框已经打开
2. 文件名输入框中已经显示 "project.code-workspace"
3. 当前目录是 /home/user/(从面包屑导航可以看到 "user")
4. 右上角有一个绿色的 "Save" 按钮
5. 文件列表中显示了一个橙色的 "project" 文件夹(这是现有的项目文件夹,不是工作空间文件)
#### 情况分析与思考过程
根据策略树,我需要完成以下步骤:
1. ✅ 打开 File 菜单并选择 "Save Workspace As..."
2. ✅ 导航到 /home/user/ 目录
3. ✅ 输入工作空间名称为 "project"(文件名已经显示为 "project.code-workspace")
4. ⏳ 点击 Save 按钮
当前状态显示:
- 已经在 /home/user/ 目录下
- 文件名已经正确设置为 "project.code-workspace"
- 只需要点击 Save 按钮即可完成保存
点击 Save 按钮后,应该会在 /home/user/ 目录下创建 project.code-workspace 文件,完成工作空间的保存。
这是一个单步操作,直接点击 Save 按钮即可。
```
- 操作:
1. 左键单击坐标 (0.805, 0.092)
### 步骤 6:
- 描述:
```
#### 重要信息
1. VS Code: 窗口标题显示 "Welcome - project (Workspace) - Visual Studio Code:",表明工作空间已成功加载
2. 左侧 Explorer 面板显示 "PROJECT (WORKSPACE)",确认工作空间已激活
3. "Save Workspace" 对话框已关闭,返回到了主 VS Code: 界面
4. 策略树中所有步骤都已被标记为 success
#### 情况分析与思考过程
根据当前屏幕状态和策略树,保存工作空间的操作似乎已经完成了:
- 已点击 File 菜单并选择 "Save Workspace As..."
- 已导航到 /home/user/ 目录
- 已输入文件名 "project"
- 已点击 Save 按钮
- 窗口标题现在显示 "project (Workspace)",表明工作空间已激活
为了完全确认任务完成,我应该验证 /home/user/project.code-workspace 文件是否真的被创建了。我可以通过打开终端或文件管理器来检查。让我打开终端来验证文件是否存在。
```
- 操作:
1. 左键单击坐标 (0.018, 0.629)
- 策略树更新:
- update_strategy_tree({'action': 'change_status', 'id': '1', 'new_status': 'success'}) -> 'Strategy tree updated: Task 1 status updated to success.'
- update_strategy_tree({'action': 'change_status', 'id': '1.1', 'new_status': 'success'}) -> 'Strategy tree updated: Task 1.1 status updated to success.'
- update_strategy_tree({'action': 'change_status', 'id': '1.2', 'new_status': 'success'}) -> 'Strategy tree updated: Task 1.2 status updated to success.'
- update_strategy_tree({'action': 'change_status', 'id': '2', 'new_status': 'success'}) -> 'Strategy tree updated: Task 2 status updated to success.'
- update_strategy_tree({'action': 'change_status', 'id': '2.1', 'new_status': 'success'}) -> 'Strategy tree updated: Task 2.1 status updated to success.'
- update_strategy_tree({'action': 'change_status', 'id': '2.2', 'new_status': 'success'}) -> 'Strategy tree updated: Task 2.2 status updated to success.'
- update_strategy_tree({'action': 'change_status', 'id': '2.3', 'new_status': 'success'}) -> 'Strategy tree updated: Task 2.3 status updated to success.'
</SITUATION>
| Category | Count |
|---|---|
| Prompt (total) | 7171 |
| ↳ text | 4921 |
| ↳ image | 2250 |
| ↳ cached | 1792 |
| Completion (total) | 359 |
| ↳ reasoning | 274 |
| Total | 7530 |
model: kimi-k2.5 finish: tool_calls