# 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。