| Category | Count |
|---|---|
| Prompt (total) | 8738 |
| ↳ text | 6488 |
| ↳ image | 2250 |
| ↳ cached | 1920 |
| Completion (total) | 571 |
| ↳ reasoning | 237 |
| Total | 9309 |
model: kimi-k2.5 finish: tool_calls
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: Find a large car from next Monday to Friday in Zurich, sorted by price.。
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: Configure search location and dates
1.1: Enter 'Zurich' in the Pick-up location field
1.2: Set pick-up date to next Monday (April 28)
1.3: Set drop-off date to next Friday (May 2)
2: Execute search and apply filters
2.1: Click the Search button to search for available cars
2.2: Filter results to show only large cars
2.3: Sort the results by price (lowest first)
3: Review and present the search results
## 2. 任务失败条件检查
- rentalcars.com website is not accessible or returns an error
- Zurich is not available as a pick-up location in the system
- No cars are available for the selected dates (Apr 28 - May 2)
- Large car category is not available for the selected location/dates
- Price sorting functionality is not working or unavailable
## 3. 关键视觉证据
- Pick-up location input field displays 'Zurich' or 'Zurich Airport'
- Pick-up date field shows 'Mon, 28 Apr' (next Monday)
- Drop-off date field shows 'Fri, 02 May' (next Friday)
- Car category filter shows 'Large' or 'Large car' as selected/active filter
- Sort dropdown/button displays 'Price' as the current sorting criteria
- Search results list shows large cars with prices arranged in ascending order (lowest price first)
## 4. 上一次返回的决策
### 4.1. 上一次的观察和思考
```
#### 重要信息
当前状态更新:
- 搜索已成功完成,显示 708 辆可用车辆
- 取车地点:Zürich ✅
- 取车日期:Mon, 27 Apr ✅
- 还车日期:Fri, 1 May ✅
- 页面显示了车辆类别筛选选项:Medium car, Small car, Large car, SUVs, People carrier, Premium car
- 当前排序方式:Sort by: Recommended
- 已显示车辆列表,包括 Economy 和 SUV 类别
#### 情况分析与思考过程
任务进展:
1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成
2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成
3. ✅ 1.3: 设置还车日期为下周五(5月1日)- 已完成
4. ✅ 2.1: 点击搜索按钮 - 已完成
5. ⏳ 2.2: 筛选大型车 - 接下来进行,需要点击 "Large car" 类别
6. ⏳ 2.3: 按价格排序 - 待筛选完成后进行
下一步操作:点击 "Large car" 类别筛选按钮来过滤只显示大型车辆。该按钮位于类别筛选栏中,在 "Small car" 和 "SUVs" 之间。
```
### 4.2. 上一次返回的操作
{"function": {"name": "computer", "arguments": {"actions": [{"action": "left_click", "at_coordinate": [0.577, 0.436]}]}}}
## 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 ~261KB
## 5.2 上一次屏幕状态(上一次操作前,已压缩)
inline base64 image ~90KB
## 6. 上一次操作的前50步操作简述 ### 步骤 1: - 描述: ``` #### 重要信息 当前在 rentalcars.com 网站,页面已加载完成。可以看到: - 有一个 Chrome 更新通知弹窗在右上角,需要关闭 - 取车地点输入框为空,显示 "Airport, city or station" - 当前日期设置为:取车 Sun, 26 Apr,还车 Wed, 29 Apr - 搜索按钮已准备好 #### 情况分析与思考过程 任务目标:在苏黎世查找下周一到周五的大型车,按价格排序。 当前需要: 1. 先关闭 Chrome 更新通知弹窗,避免干扰 2. 在取车地点输入 "Zurich" 3. 修改日期为下周一(4月28日)到周五(5月2日) 4. 搜索后筛选大型车并排序 首先关闭弹窗,然后点击取车地点输入框输入 Zurich。 ``` - 操作: 1. 左键单击坐标 (0.986, 0.126) 2. 左键单击坐标 (0.359, 0.393) ### 步骤 2: - 描述: ``` #### 重要信息 - Chrome 更新通知弹窗已成功关闭 - 取车地点输入框已被激活,光标在输入框内闪烁 - 当前日期仍为:取车 Sun, 26 Apr,还车 Wed, 29 Apr(需要修改) #### 情况分析与思考过程 上一步操作成功关闭了弹窗并激活了取车地点输入框。现在我需要: 1. 在输入框中输入 "Zurich" 2. 等待下拉建议出现并选择苏黎世相关选项 3. 然后修改日期为下周一(4月28日)到周五(5月2日) 接下来先输入 "Zurich" 文本。 ``` - 操作: 1. 输入文本: Zurich ### 步骤 3: - 描述: - 操作: 1. 左键单击坐标 (0.264, 0.512) ### 步骤 4: - 描述: ``` #### 重要信息 当前在 rentalcars.com 网站,已成功完成以下操作: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" - 当前日期设置:取车 Sun, 26 Apr,还车 Wed, 29 Apr - 需要修改为:取车 Mon, 28 Apr(下周一),还车 Fri, 02 May(下周五) #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ⏳ 1.2: 设置取车日期为下周一(4月28日)- 接下来进行 3. ⏳ 1.3: 设置还车日期为下周五(5月2日) 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 下一步操作:点击取车日期字段(显示 "Sun, 26 Apr")来打开日期选择器,修改为下周一(4月28日)。 ``` - 操作: 1. 左键单击坐标 (0.536, 0.393) ### 步骤 5: - 描述: ``` #### 重要信息 日期选择器已成功打开,显示 April 2026 和 May 2026 两个月的日历。 - 当前选中的取车日期是 4月26日(蓝色高亮) - 需要选择下周一,即 4月28日 - 在 April 2026 日历中可以看到 28 在第三行 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ⏳ 1.2: 设置取车日期为下周一(4月28日)- 正在进行,日期选择器已打开 3. ⏳ 1.3: 设置还车日期为下周五(5月2日) 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 下一步操作:在日历中点击 4月28日(周一)来设置为取车日期。 ``` - 操作: 1. 左键单击坐标 (0.294, 0.706) ### 步骤 6: - 描述: ``` #### 重要信息 当前日期选择器已打开,显示 April 2026 和 May 2026 日历。 - 当前选中的取车日期是 4月28日(蓝色高亮),但日期字段显示 "Tue, 28 Apr"(星期二) - 根据日历布局,4月28日在"星期二"列(Tue) - 任务要求的是下周一(Monday),应该是 4月27日 - 4月27日在日历的"星期一"列(Mon),位于4月28日左侧 - 还车日期当前显示 "Wed, 29 Apr",需要改为下周五(5月1日或5月2日) #### 情况分析与思考过程 任务进展分析: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ⏳ 1.2: 设置取车日期为下周一 - 需要修正,当前选中了周二(4月28日),应改为周一(4月27日) 3. ⏳ 1.3: 设置还车日期为下周五 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 今天日期:Apr 21, 2026(根据屏幕顶部) - 下周一应为:April 27, 2026(星期一) - 下周五应为:May 1, 2026(星期五)或 May 2, 2026(但日历显示May 2是星期六) 当前选中的是4月28日(星期二),这与任务要求的"Monday to Friday"不符。需要更正为4月27日(星期一)。 下一步操作:点击日历中的4月27日(位于4月28日左侧,星期一列)。 ``` - 操作: 1. 左键单击坐标 (0.271, 0.706) ### 步骤 7: - 描述: ``` #### 重要信息 当前状态更新: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" ✅ - 取车日期已更改为 "Mon, 27 Apr"(下周一,4月27日)✅ - 还车日期当前显示 "Tue, 28 Apr"(周二),需要改为下周五(5月1日) - 日期选择器仍然打开,显示 April 2026 和 May 2026 日历 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ⏳ 1.3: 设置还车日期为下周五(5月1日)- 接下来进行 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 取车日期:April 27, 2026(星期一)✅ 正确 - 还车日期应该是:May 1, 2026(星期五)- 同一周的周五 下一步操作:点击还车日期字段(显示 "Tue, 28 Apr")来修改还车日期为5月1日(星期五)。我需要先关闭当前日历或点击还车日期字段来重新打开日历选择还车日期。 ``` - 操作: 1. 左键单击坐标 (0.651, 0.393) ### 步骤 8: - 描述: #### 重要信息 当前状态更新: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" ✅ - 取车日期已设置为 "Mon, 27 Apr"(下周一,4月27日)✅ - 还车日期当前显示 "Tue, 28 Apr"(周二),需要改为下周五(5月1日) - 日期选择器已打开,显示 April 2026 和 May 2026 日历 - 在 May 2026 日历中,5月1日(星期五)位于第一行,"Fri" 列下方 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ⏳ 1.3: 设置还车日期为下周五(5月1日)- 正在进行,需要点击日历中的5月1日 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 取车日期:April 27, 2026(星期一)✅ 正确 - 还车日期应该是:May 1, 2026(星期五)- 同一周的周五 下一步操作:在 May 2026 日历中点击 5月1日(星期五)来设置为还车日期。从日历布局看,5月1日位于 May 2026 日历的第一行,"Fri" 列下方。 - 操作: 1. 左键单击坐标 (0.647, 0.534) ### 步骤 9: - 描述: ``` #### 重要信息 当前状态更新: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" ✅ - 取车日期已设置为 "Mon, 27 Apr"(下周一,4月27日)✅ - 还车日期已设置为 "Fri, 1 May"(下周五,5月1日)✅ - 日期选择器已关闭 - 所有搜索参数已正确配置 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ✅ 1.3: 设置还车日期为下周五(5月1日)- 已完成 4. ⏳ 2.1: 点击搜索按钮 - 接下来进行 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 取车日期:April 27, 2026(星期一)✅ 正确 - 还车日期:May 1, 2026(星期五)✅ 正确 - 租车时长:周一到周五,共4天 ✅ 下一步操作:点击绿色的 "Search" 按钮来搜索可用的车辆。按钮位于搜索表单的右侧,显示为绿色背景白色文字。 ``` - 操作: 1. 左键单击坐标 (0.769, 0.393) ### 步骤 10: - 描述: ``` #### 重要信息 当前状态更新: - 搜索已成功发起,页面正在加载结果 - 显示 "Checking the top companies to find the best deals" 加载状态 - 各租车公司(Europcar, Enterprise, Keddy, Dollar, Goldcar, Avis, Sixt, Hertz)正在加载中 - 页面URL显示为 search-results 页面,确认搜索已执行 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ✅ 1.3: 设置还车日期为下周五(5月1日)- 已完成 4. ✅ 2.1: 点击搜索按钮 - 已完成,搜索结果页面正在加载 5. ⏳ 2.2: 筛选大型车 - 等待页面加载完成后进行 6. ⏳ 2.3: 按价格排序 - 等待页面加载完成后进行 当前页面处于加载状态,各租车公司的结果正在获取中。需要等待页面完全加载后才能看到车辆列表和筛选选项。 下一步操作:等待页面加载完成,以便查看搜索结果并进行筛选和排序操作。 ``` - 操作: 1. 等待 3 秒 </SITUATION>
| Category | Count |
|---|---|
| Prompt (total) | 8738 |
| ↳ text | 6488 |
| ↳ image | 2250 |
| ↳ cached | 1920 |
| Completion (total) | 571 |
| ↳ reasoning | 237 |
| Total | 9309 |
model: kimi-k2.5 finish: tool_calls
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: Find a large car from next Monday to Friday in Zurich, sorted by price.。
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: Configure search location and dates
1.1: Enter 'Zurich' in the Pick-up location field
1.2: Set pick-up date to next Monday (April 28)
1.3: Set drop-off date to next Friday (May 2)
2: Execute search and apply filters
2.1: Click the Search button to search for available cars
2.2: Filter results to show only large cars
2.3: Sort the results by price (lowest first)
3: Review and present the search results
## 2. 任务失败条件检查
- rentalcars.com website is not accessible or returns an error
- Zurich is not available as a pick-up location in the system
- No cars are available for the selected dates (Apr 28 - May 2)
- Large car category is not available for the selected location/dates
- Price sorting functionality is not working or unavailable
## 3. 关键视觉证据
- Pick-up location input field displays 'Zurich' or 'Zurich Airport'
- Pick-up date field shows 'Mon, 28 Apr' (next Monday)
- Drop-off date field shows 'Fri, 02 May' (next Friday)
- Car category filter shows 'Large' or 'Large car' as selected/active filter
- Sort dropdown/button displays 'Price' as the current sorting criteria
- Search results list shows large cars with prices arranged in ascending order (lowest price first)
## 4. 上一次返回的决策
### 4.1. 上一次的观察和思考
```
#### 重要信息
当前状态更新:
- 搜索已成功完成,显示 708 辆可用车辆
- 取车地点:Zürich ✅
- 取车日期:Mon, 27 Apr ✅
- 还车日期:Fri, 1 May ✅
- 页面显示了车辆类别筛选选项:Medium car, Small car, Large car, SUVs, People carrier, Premium car
- 当前排序方式:Sort by: Recommended
- 已显示车辆列表,包括 Economy 和 SUV 类别
#### 情况分析与思考过程
任务进展:
1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成
2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成
3. ✅ 1.3: 设置还车日期为下周五(5月1日)- 已完成
4. ✅ 2.1: 点击搜索按钮 - 已完成
5. ⏳ 2.2: 筛选大型车 - 接下来进行,需要点击 "Large car" 类别
6. ⏳ 2.3: 按价格排序 - 待筛选完成后进行
下一步操作:点击 "Large car" 类别筛选按钮来过滤只显示大型车辆。该按钮位于类别筛选栏中,在 "Small car" 和 "SUVs" 之间。
```
### 4.2. 上一次返回的操作
{"function": {"name": "computer", "arguments": {"actions": [{"action": "left_click", "at_coordinate": [0.577, 0.436]}]}}}
## 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 ~261KB
## 5.2 上一次屏幕状态(上一次操作前,已压缩)
inline base64 image ~90KB
## 6. 上一次操作的前50步操作简述 ### 步骤 1: - 描述: ``` #### 重要信息 当前在 rentalcars.com 网站,页面已加载完成。可以看到: - 有一个 Chrome 更新通知弹窗在右上角,需要关闭 - 取车地点输入框为空,显示 "Airport, city or station" - 当前日期设置为:取车 Sun, 26 Apr,还车 Wed, 29 Apr - 搜索按钮已准备好 #### 情况分析与思考过程 任务目标:在苏黎世查找下周一到周五的大型车,按价格排序。 当前需要: 1. 先关闭 Chrome 更新通知弹窗,避免干扰 2. 在取车地点输入 "Zurich" 3. 修改日期为下周一(4月28日)到周五(5月2日) 4. 搜索后筛选大型车并排序 首先关闭弹窗,然后点击取车地点输入框输入 Zurich。 ``` - 操作: 1. 左键单击坐标 (0.986, 0.126) 2. 左键单击坐标 (0.359, 0.393) ### 步骤 2: - 描述: ``` #### 重要信息 - Chrome 更新通知弹窗已成功关闭 - 取车地点输入框已被激活,光标在输入框内闪烁 - 当前日期仍为:取车 Sun, 26 Apr,还车 Wed, 29 Apr(需要修改) #### 情况分析与思考过程 上一步操作成功关闭了弹窗并激活了取车地点输入框。现在我需要: 1. 在输入框中输入 "Zurich" 2. 等待下拉建议出现并选择苏黎世相关选项 3. 然后修改日期为下周一(4月28日)到周五(5月2日) 接下来先输入 "Zurich" 文本。 ``` - 操作: 1. 输入文本: Zurich ### 步骤 3: - 描述: - 操作: 1. 左键单击坐标 (0.264, 0.512) ### 步骤 4: - 描述: ``` #### 重要信息 当前在 rentalcars.com 网站,已成功完成以下操作: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" - 当前日期设置:取车 Sun, 26 Apr,还车 Wed, 29 Apr - 需要修改为:取车 Mon, 28 Apr(下周一),还车 Fri, 02 May(下周五) #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ⏳ 1.2: 设置取车日期为下周一(4月28日)- 接下来进行 3. ⏳ 1.3: 设置还车日期为下周五(5月2日) 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 下一步操作:点击取车日期字段(显示 "Sun, 26 Apr")来打开日期选择器,修改为下周一(4月28日)。 ``` - 操作: 1. 左键单击坐标 (0.536, 0.393) ### 步骤 5: - 描述: ``` #### 重要信息 日期选择器已成功打开,显示 April 2026 和 May 2026 两个月的日历。 - 当前选中的取车日期是 4月26日(蓝色高亮) - 需要选择下周一,即 4月28日 - 在 April 2026 日历中可以看到 28 在第三行 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ⏳ 1.2: 设置取车日期为下周一(4月28日)- 正在进行,日期选择器已打开 3. ⏳ 1.3: 设置还车日期为下周五(5月2日) 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 下一步操作:在日历中点击 4月28日(周一)来设置为取车日期。 ``` - 操作: 1. 左键单击坐标 (0.294, 0.706) ### 步骤 6: - 描述: ``` #### 重要信息 当前日期选择器已打开,显示 April 2026 和 May 2026 日历。 - 当前选中的取车日期是 4月28日(蓝色高亮),但日期字段显示 "Tue, 28 Apr"(星期二) - 根据日历布局,4月28日在"星期二"列(Tue) - 任务要求的是下周一(Monday),应该是 4月27日 - 4月27日在日历的"星期一"列(Mon),位于4月28日左侧 - 还车日期当前显示 "Wed, 29 Apr",需要改为下周五(5月1日或5月2日) #### 情况分析与思考过程 任务进展分析: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ⏳ 1.2: 设置取车日期为下周一 - 需要修正,当前选中了周二(4月28日),应改为周一(4月27日) 3. ⏳ 1.3: 设置还车日期为下周五 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 今天日期:Apr 21, 2026(根据屏幕顶部) - 下周一应为:April 27, 2026(星期一) - 下周五应为:May 1, 2026(星期五)或 May 2, 2026(但日历显示May 2是星期六) 当前选中的是4月28日(星期二),这与任务要求的"Monday to Friday"不符。需要更正为4月27日(星期一)。 下一步操作:点击日历中的4月27日(位于4月28日左侧,星期一列)。 ``` - 操作: 1. 左键单击坐标 (0.271, 0.706) ### 步骤 7: - 描述: ``` #### 重要信息 当前状态更新: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" ✅ - 取车日期已更改为 "Mon, 27 Apr"(下周一,4月27日)✅ - 还车日期当前显示 "Tue, 28 Apr"(周二),需要改为下周五(5月1日) - 日期选择器仍然打开,显示 April 2026 和 May 2026 日历 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ⏳ 1.3: 设置还车日期为下周五(5月1日)- 接下来进行 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 取车日期:April 27, 2026(星期一)✅ 正确 - 还车日期应该是:May 1, 2026(星期五)- 同一周的周五 下一步操作:点击还车日期字段(显示 "Tue, 28 Apr")来修改还车日期为5月1日(星期五)。我需要先关闭当前日历或点击还车日期字段来重新打开日历选择还车日期。 ``` - 操作: 1. 左键单击坐标 (0.651, 0.393) ### 步骤 8: - 描述: #### 重要信息 当前状态更新: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" ✅ - 取车日期已设置为 "Mon, 27 Apr"(下周一,4月27日)✅ - 还车日期当前显示 "Tue, 28 Apr"(周二),需要改为下周五(5月1日) - 日期选择器已打开,显示 April 2026 和 May 2026 日历 - 在 May 2026 日历中,5月1日(星期五)位于第一行,"Fri" 列下方 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ⏳ 1.3: 设置还车日期为下周五(5月1日)- 正在进行,需要点击日历中的5月1日 4. ⏳ 2.1: 点击搜索按钮 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 取车日期:April 27, 2026(星期一)✅ 正确 - 还车日期应该是:May 1, 2026(星期五)- 同一周的周五 下一步操作:在 May 2026 日历中点击 5月1日(星期五)来设置为还车日期。从日历布局看,5月1日位于 May 2026 日历的第一行,"Fri" 列下方。 - 操作: 1. 左键单击坐标 (0.647, 0.534) ### 步骤 9: - 描述: ``` #### 重要信息 当前状态更新: - 取车地点已设置为 "Zürich, Zürich, Canton of Zürich, Switzerland" ✅ - 取车日期已设置为 "Mon, 27 Apr"(下周一,4月27日)✅ - 还车日期已设置为 "Fri, 1 May"(下周五,5月1日)✅ - 日期选择器已关闭 - 所有搜索参数已正确配置 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ✅ 1.3: 设置还车日期为下周五(5月1日)- 已完成 4. ⏳ 2.1: 点击搜索按钮 - 接下来进行 5. ⏳ 2.2: 筛选大型车 6. ⏳ 2.3: 按价格排序 日期验证: - 取车日期:April 27, 2026(星期一)✅ 正确 - 还车日期:May 1, 2026(星期五)✅ 正确 - 租车时长:周一到周五,共4天 ✅ 下一步操作:点击绿色的 "Search" 按钮来搜索可用的车辆。按钮位于搜索表单的右侧,显示为绿色背景白色文字。 ``` - 操作: 1. 左键单击坐标 (0.769, 0.393) ### 步骤 10: - 描述: ``` #### 重要信息 当前状态更新: - 搜索已成功发起,页面正在加载结果 - 显示 "Checking the top companies to find the best deals" 加载状态 - 各租车公司(Europcar, Enterprise, Keddy, Dollar, Goldcar, Avis, Sixt, Hertz)正在加载中 - 页面URL显示为 search-results 页面,确认搜索已执行 #### 情况分析与思考过程 任务进展: 1. ✅ 1.1: 输入取车地点 'Zurich' - 已完成 2. ✅ 1.2: 设置取车日期为下周一(4月27日)- 已完成 3. ✅ 1.3: 设置还车日期为下周五(5月1日)- 已完成 4. ✅ 2.1: 点击搜索按钮 - 已完成,搜索结果页面正在加载 5. ⏳ 2.2: 筛选大型车 - 等待页面加载完成后进行 6. ⏳ 2.3: 按价格排序 - 等待页面加载完成后进行 当前页面处于加载状态,各租车公司的结果正在获取中。需要等待页面完全加载后才能看到车辆列表和筛选选项。 下一步操作:等待页面加载完成,以便查看搜索结果并进行筛选和排序操作。 ``` - 操作: 1. 等待 3 秒 </SITUATION>