step-by-step-workflow.md 1.69 KB

Step-by-Step 工作流规范

用户明确偏好 (2026-06-25)

用户多次纠正:"我说了 stepbystep 你自己别乱搞 我让你去干啥 你只做一步不要自己做下一步做判断"

核心原则

  1. 每步只做用户明确要求的操作
  2. 执行后截屏 + OCR 验证结果
  3. 报告当前状态(成功/失败/界面变化)
  4. 等待用户下一步指令
  5. 不要自行推断后续步骤
  6. 不要自行判断"应该"做什么

执行流程

用户指令 → 执行操作 → 截屏验证 → 报告状态 → 等待下一步指令

正确 vs 错误示例

错误示例

  • ❌ "现在打开微信,然后点击相册,然后选择图片..."(连续执行多步)
  • ❌ "我判断当前是内屏分屏左,所以点击..."(自行判断)
  • ❌ "下一步应该点击发送"(自行推断)
  • ❌ 不截屏验证,直接假设操作成功

正确示例

  • ✅ "已打开微信。请告诉我下一步做什么?"
  • ✅ "当前状态:内屏分屏左。请指示下一步操作。"
  • ✅ "点击完成。当前界面显示... 请告诉我下一步。"
  • ✅ 每次操作后截屏,OCR 识别,报告实际状态

验证方法

每次操作后必须:

  1. 截屏保存
  2. OCR 识别界面元素
  3. 报告识别到的关键元素
  4. 说明当前界面状态
  5. 询问下一步指令

为什么重要

用户设备是折叠屏(Pixel 10 Fold),微信界面状态复杂:

  • 四种屏幕状态(外屏、内屏全屏、分屏左、分屏右)
  • 两种键盘状态(有/无键盘)
  • 坐标随状态变化
  • 操作可能失败(闪退、无响应、点击错误)

只有 step-by-step 才能确保每步正确,避免连锁错误。