Step 4004

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: Cross-check the invoices with the bank statements and identify any discrepancies. Then pull out the invoices that don't match the statements and put them in the "problematic" folder.。
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: Extract and analyze data from all financial documents
  1.1: Open Bank-Statement.pdf and extract all transactions (Date, Description, Amount) from all 3 pages
  1.2: Open Invoice # 243729.pdf and extract invoice number, date, vendor, and amount
  1.3: Open Invoice # GES-20220215-82.pdf and extract invoice number, date, vendor (Green Energy Solutions), and amount
  1.4: Open invoice TII-20220301-90.pdf and extract invoice number, date, vendor (Tech Innovators), and amount
2: Locate or create the 'problematic' folder
  2.1: Search for existing 'problematic' folder in Home and Documents directories
  2.2: Create 'problematic' folder in Home directory if not found
3: Cross-check invoices against bank statement transactions
  3.1: Match invoices to bank entries by vendor name, amount, and approximate date
  3.2: Identify invoices with no matching bank transaction (unpaid or missing)
  3.3: Identify invoices with amount or date discrepancies vs. bank records
4: Move problematic invoices and finalize
  4.1: Copy all unmatched or discrepant invoice PDFs to 'problematic' folder
  4.2: Generate summary report of discrepancies found

## 2. 任务失败条件检查
- Bank-Statement.pdf is missing, corrupted, or unreadable
- One or more invoice PDFs are missing or cannot be opened
- Unable to extract transaction or invoice data from PDFs
- No matching criteria (vendor/amount/date) can be established between documents

## 3. 关键视觉证据
- 新建的 problematic 文件夹在文件管理器中可见（位于 Desktop 或 Home 目录）
- problematic 文件夹内包含被识别为不匹配的发票 PDF 文件（如 Invoice # 243729.pdf 等）
- 原 Desktop 目录中，被移动的不匹配发票文件已消失（仅剩 Bank-Statement.pdf 和匹配的发票）
- 文件管理器地址栏显示 problematic 文件夹路径，且内容区域显示已移入的发票文件

## 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：
- Document Viewer 中 Bank-Statement.pdf 已打开，显示第 1 页（共 3 页）
- 搜索对话框已成功关闭
- 当前缩放比例仍为 26.6%，页面内容太小，无法清晰辨认交易详情
- 需要放大页面才能读取交易数据（日期、描述、金额）

#### 情况分析与思考过程

任务进度：
- 银行对账单已打开，但需要放大才能提取交易数据
- 搜索对话框已关闭，现在可以调整缩放比例
- 需要提取所有 3 页的交易信息

下一步计划：
1. 点击缩放比例下拉菜单（26.6% 旁边的箭头），选择更高的缩放比例（如 100% 或适合宽度）
2. 逐页查看并记录所有交易数据
3. 然后依次打开各个发票提取信息
4. 进行比对，找出 discrepancies
5. 创建 problematic 文件夹并移动不匹配的发票

立即行动：点击缩放比例下拉箭头，选择更高的缩放级别以便读取交易详情。
```

### 4.2. 上一次返回的操作
{"function": {"name": "computer", "arguments": {"actions": [{"action": "left_click", "at_coordinate": [0.238, 0.183]}]}}}

## 5. 屏幕截图

## 6. 上一次操作的前50步操作简述
### 步骤 1:
- 描述:
  ```
  #### 重要信息
  
  当前状态：
  - Document Viewer 已打开 Bank-Statement.pdf，显示为第 2 页（共 3 页）
  - 桌面上可见 4 个 PDF 文件：
    - Bank-Statement.pdf（已打开）
    - Invoice # 243729.pdf
    - Invoice # GES-20220215-82.pdf
    - Invoice TII-20220301-90.pdf
  - 当前 PDF 显示页面 2，但内容区域看起来空白或需要滚动查看
  
  #### 情况分析与思考过程
  
  任务目标：核对发票与银行对账单，找出不匹配的发票并放入 "problematic" 文件夹。
  
  当前进度：
  - Bank-Statement.pdf 已打开，但需要查看所有 3 页的内容来提取交易数据
  - 当前在第 2 页，需要先回到第 1 页查看交易记录
  - 需要提取：日期、描述、金额等信息
  
  下一步计划：
  1. 先查看银行对账单的所有页面，提取交易数据
  2. 然后依次打开各个发票提取信息
  3. 进行比对，找出 discrepancies
  4. 创建 problematic 文件夹并移动不匹配的发票
  
  立即行动：点击页面 1 查看银行对账单的第一页内容，开始提取交易数据。
  ```
- 操作:
  1. 左键单击坐标 (0.066, 0.22)

### 步骤 2:
- 描述:
  ```
  #### 重要信息
  
  当前状态：
  - Document Viewer 已打开 Bank-Statement.pdf，当前显示第 1 页（共 3 页）
  - 页码显示 "1 of 3"
  - 当前缩放比例为 26.6%，页面内容较小，需要放大才能清晰读取交易详情
  - 页面上可以看到银行对账单的基本信息和交易表格，但文字太小难以辨认具体金额和日期
  
  桌面上可见的 4 个 PDF 文件：
  - Bank-Statement.pdf（已打开）
  - Invoice # 243729.pdf
  - Invoice # GES-20220215-82.pdf
  - Invoice TII-20220301-90.pdf
  
  #### 情况分析与思考过程
  
  任务进度：
  - 已打开 Bank-Statement.pdf，需要提取所有 3 页的交易数据（日期、描述、金额）
  - 当前在第 1 页，但缩放比例太小（26.6%），无法清晰读取交易详情
  - 需要先放大页面以便提取准确的交易数据
  
  下一步计划：
  1. 放大银行对账单页面以便读取交易详情
  2. 逐页查看并记录所有交易数据
  3. 然后依次打开各个发票提取信息
  4. 进行比对，找出 discrepancies
  5. 创建 problematic 文件夹并移动不匹配的发票
  
  立即行动：点击放大按钮或调整缩放比例，以便清晰读取银行对账单上的交易数据。
  ```
- 操作:
  1. 左键单击坐标 (0.258, 0.183)

### 步骤 3:
- 描述:
  ```
  #### 重要信息
  
  当前状态：
  - Document Viewer 中 Bank-Statement.pdf 已打开
  - 不小心打开了搜索对话框（"Find a word or phrase in the document"）
  - 当前缩放比例仍为 26.6%，页面内容太小难以辨认
  - 需要关闭搜索对话框并找到正确的缩放控制来放大页面
  
  #### 情况分析与思考过程
  
  任务进度：
  - 银行对账单已打开，但需要放大才能读取交易详情
  - 搜索对话框意外弹出，需要先关闭它
  - 然后需要找到缩放控制（可能是点击 26.6% 下拉菜单或 +/- 按钮）来放大页面
  
  下一步计划：
  1. 关闭搜索对话框（按 Escape 键）
  2. 点击缩放比例 26.6% 旁边的下拉箭头或寻找放大按钮
  3. 放大页面以便清晰读取交易数据
  4. 逐页提取所有交易信息
  
  立即行动：按 Escape 键关闭搜索对话框，然后尝试放大页面。
  ```
- 操作:
  1. 按下键盘按键: escape


</SITUATION>