feat: --func pure function mode for subagent; merge bg launch; refine SOP

agentmain.py

@@ -1,4 +1,4 @@
-import os, sys, threading, queue, time, json, re, random, locale
+import os, sys, threading, queue, time, json, re, random, locale, glob
 os.environ.setdefault('GA_LANG', 'zh' if any(k in (locale.getlocale()[0] or '').lower() for k in ('zh', 'chinese')) else 'en')
 if sys.stdout is None: sys.stdout = open(os.devnull, "w")
 elif hasattr(sys.stdout, 'reconfigure'): sys.stdout.reconfigure(errors='replace')
@@ -178,8 +178,6 @@ class GenericAgent:
                 if self.inc_out and last_pos < len(full_resp):
                     display_queue.put({'next': full_resp[last_pos:], 'source': source,
                                     'turn': curr_turn, 'outputs': turn_resps[-2:]})
-                #if '</summary>' in full_resp: full_resp = full_resp.replace('</summary>', '</summary>\n\n')
-                #if '</file_content>' in full_resp: full_resp = re.sub(r'<file_content>\s*(.*?)\s*</file_content>', r'\n````\n<file_content>\n\1\n</file_content>\n````', full_resp, flags=re.DOTALL)                
                 display_queue.put({'done': full_resp, 'source': source, 'turn': curr_turn, 'outputs': turn_resps.copy()})
                 self.history = handler.history_info
             except Exception as e:
@@ -198,6 +196,7 @@ if __name__ == '__main__':
     from datetime import datetime
     parser = argparse.ArgumentParser()
     parser.add_argument('--task', metavar='IODIR', help='一次性任务模式，先看subagent.md')
+    parser.add_argument('--func', metavar='PROMPT_FILE', help='纯函数模式：读prompt文件→结果写prompt.out.txt→退出')
     parser.add_argument('--reflect', metavar='SCRIPT', help='反射模式：加载监控脚本，check()触发时发任务')
     parser.add_argument('--input', help='prompt')
     parser.add_argument('--llm_no', type=int, default=0)
@@ -206,14 +205,17 @@ if __name__ == '__main__':
     args, _unknown = parser.parse_known_args()
     _reflect_args = dict(zip([k.lstrip('-') for k in _unknown[::2]], _unknown[1::2])) if _unknown else {}
 
-    if args.task and not args.nobg:
+    if (args.func or args.task) and not args.nobg:
         import subprocess, platform
         cmd = [sys.executable, os.path.abspath(__file__)] + [a for a in sys.argv[1:]] + ['--nobg']
-        d = os.path.join(script_dir, f'temp/{args.task}'); os.makedirs(d, exist_ok=True)
+        if args.task:
+            d = os.path.join(script_dir, f'temp/{args.task}'); os.makedirs(d, exist_ok=True)
+            out = open(os.path.join(d, 'stdout.log'), 'w', encoding='utf-8')
+            err = open(os.path.join(d, 'stderr.log'), 'w', encoding='utf-8')
+        else: out, err = subprocess.DEVNULL, subprocess.DEVNULL
         p = subprocess.Popen(cmd, cwd=script_dir,
             creationflags=0x08000000 if platform.system() == 'Windows' else 0,
-            stdout=open(os.path.join(d, 'stdout.log'), 'w', encoding='utf-8'),
-            stderr=open(os.path.join(d, 'stderr.log'), 'w', encoding='utf-8'))
+            stdout=out, stderr=err)
         print('PID:', p.pid); sys.exit(0)
 
     agent = GeneraticAgent()
@@ -222,31 +224,35 @@ if __name__ == '__main__':
     threading.Thread(target=agent.run, daemon=True).start()
 
     if args.task:
-        agent.peer_hint = False
-        agent.force_non_stream = True
         agent.task_dir = d = os.path.join(script_dir, f'temp/{args.task}'); nround = ''
-        infile = os.path.join(d, 'input.txt')
+        infile = os.path.join(d, 'input.txt'); outfile = f'{d}/output{nround}.txt'
         if args.input:
             os.makedirs(d, exist_ok=True)
-            import glob; [os.remove(f) for f in glob.glob(os.path.join(d, 'output*.txt'))]
+            [os.remove(f) for f in glob.glob(os.path.join(d, 'output*.txt'))]
             with open(infile, 'w', encoding='utf-8') as f: f.write(args.input)
         if (fh := consume_file(d, '_history.json')): agent.llmclient.backend.history = json.loads(fh)
+    elif args.func:
+        infile = args.func; outfile = os.path.splitext(args.func)[0] + '.out.txt'
+
+    if args.func or args.task:
+        agent.peer_hint = False
         with open(infile, encoding='utf-8') as f: raw = f.read()
         while True:
-            dq = agent.put_task(raw, source='task')
+            dq = agent.put_task(raw, source='func' if args.func else 'task')
             while 'done' not in (item := dq.get(timeout=1200)): 
-                if 'next' in item and random.random() < 0.95:  # 概率写一次中间结果
-                    with open(f'{d}/output{nround}.txt', 'w', encoding='utf-8') as f: f.write(item.get('next', ''))
-            with open(f'{d}/output{nround}.txt', 'w', encoding='utf-8') as f: f.write(item['done'] + '\n\n[ROUND END]\n')
+                if 'next' in item: 
+                    with open(outfile, 'w', encoding='utf-8') as f: f.write(item.get('next', ''))
+            with open(outfile, 'w', encoding='utf-8') as f: f.write(item['done'] + '\n\n[ROUND END]\n')
+            if not args.task: break
             consume_file(d, '_stop')  # 已经成功停下来了，避免打断下次reply
             for _ in range(300):  # 等reply.txt，10分钟超时
                 time.sleep(2)
                 if (raw := consume_file(d, 'reply.txt')): break
             else: break
             nround = nround + 1 if isinstance(nround, int) else 1
+            outfile = f'{d}/output{nround}.txt'
     elif args.reflect:
         agent.peer_hint = False
-        agent.force_non_stream = True
         import importlib.util
         spec = importlib.util.spec_from_file_location('reflect_script', args.reflect)
         mod = importlib.util.module_from_spec(spec); spec.loader.exec_module(mod)

frontends/desktop/src-tauri/tauri.conf.json

@@ -17,7 +17,7 @@
         "width": 1280,
         "height": 800,
         "resizable": true,
-        "maximized": true,
+        "maximized": false,
         "visible": false,
         "url": "loading.html"
       },

memory/computer_use.md

@@ -12,7 +12,8 @@
 | 3 vision(VLM) | 2仍不足时才用 | 仅语义理解、确认界面状态、辅助判断目标 | 不可信其坐标 |
 
 Windows 下窗口截图和操作使用 ljqCtrl：严禁 pyautogui；记得先 Activate 到前台；
-坑1-DPI：一律物理坐标；坑2-遮盖/失焦：混乱先枚举窗口确认前台；
+ui_detect附送OCR，不要单独使用OCR
+坑1-DPI：必须先import ljqCtrl，之后一律使用物理坐标；坑2-遮盖/失焦：混乱先枚举窗口确认前台；
 ui_detect 的 bbox 是截图内坐标，点击前必须用 `ClientToScreen(hwnd,(0,0))/dpi_scale + bbox中心` 转屏幕物理坐标
 坐标转换禁用 `GetWindowRect` 或 DWM 窗口矩形直接加截图坐标（含标题栏/边框/阴影会错位）
 ljqCtrl.Click 后会返回像素/前台变化，0% 或近 0% 变化立即停下诊断，禁止盲目重试。

memory/subagent.md

@@ -1,40 +1,38 @@
 # Subagent 调用 SOP
 
-## 文件IO协议
+## 两种模式
 
-- 目录：`temp/{task_name}/`（cwd在temp/时即`./{task_name}/`）
-- 启动：`python agentmain.py --task {name} [--input "短文本"] [--llm_no N]`（cwd=代码根）
+### --func 纯函数模式
+- `python agentmain.py --func prompt.txt [--llm_no N]`（cwd=代码根）
+- 读prompt文件→执行→结果写`prompt.out.txt`→退出，主agent读完可删
+- 后台启动(print PID)，加`--nobg`前台同步等结果
+- 适用：单次任务、并行map、不需要追问的场景
+
+### --task 持续协作模式
+- `python agentmain.py --task {name} [--input "短文本"] [--llm_no N]`（cwd=代码根）
 - `--input`自动建目录+清旧output+写input.txt；长文本先手动写input.txt再启动(不带--input)
-- 自动后台启动，print PID then exit
-- 统一设定：所有agent的cwd都是temp，方便文件共享，不是task目录
-- input：目标+约束即可，subagent同等智能。**禁写步骤/过度描述**，大量数据给路径
-- 通信：output.txt(append,`[ROUND END]`=轮完成) → 写reply.txt继续 → 不写10min退出。reply后输出为output1/2/3.txt(同格式)
+- **不要--nobg**（会卡在等reply循环），只能后台启动
+- 通信：output.txt(`[ROUND END]`=轮完成) → 写reply.txt继续 → 不写10min退出。reply后输出为output1/2/3.txt
 - 干预文件：`_stop`(当轮结束) | `_keyinfo`(注入working memory) | `_intervene`(追加指令)
-- [[可选fork功能]]（继承对话上下文）: 事先code_run(inline_eval=True)，将变量history（自动注入,str）写入task目录下_history.json
-- [[可选监察者模式]]：**主agent空闲时应读output观察进度，必要时用干预文件纠偏，禁止无脑长时间sleep**
-  若加`--verbose`，output将包含工具执行结果，主agent可直接审查原始数据而非仅信任摘要
+- [[可选fork]]：将变量history(str)写入task目录下`_history.json`继承对话上下文
+- [[可选监察者]]：主agent空闲时读output观察进度，必要时干预文件纠偏。加`--verbose`可审查原始数据
+
+## 共通规则
+- 所有agent的cwd=temp，方便文件共享
+- input：目标+约束即可，subagent同等智能。**禁写步骤/过度描述**，大量数据给路径
 
 ## 场景1：测试模式 - 行为验证
 **用途**：观察agent真实行为，修正RULES/L2/L3/SOP
-**流程**：创建test_path/写input.txt→启动subagent→轮询output.txt(2秒间隔)→验证→清理重复
-**测试原则**：只给目标，不提示位置/不诱导做法，观察自主选择
-**修正闭环**：发现问题→设计测试→定位根源(RULES/L2/L3/SOP)→patch修正→验证
-**技术要点**：Insight优先级>SOP；subagent的cwd=temp/
+**流程**：写prompt→启动subagent→轮询结果→验证→清理
+**原则**：只给目标，不提示位置/不诱导做法；Insight优先级>SOP；subagent的cwd=temp/
 **两种测试**：
-- 测SOP质量：input指定SOP名（如"用ezgmail_sop查看最近3封未读邮件"），排除导航干扰，失败即SOP问题
-- 测导航能力：input只写目标，验证subagent能自主从insight找到正确SOP。禁止内联SOP内容
+- 测SOP质量：input指定SOP名，排除导航干扰，失败即SOP问题
+- 测导航能力：input只写目标，验证能自主从insight找到正确SOP
 
 ## 场景2：Map模式 - 并行处理
-**用途**：将N个独立同构子任务分发给各自的subagent处理
-**核心优势**：独立上下文。避免处理文档A的长上下文污染处理文档B的质量
-**约束**：
-- 文件系统共享是优点：不同agent处理不同输入文件，产生不同输出文件
-- 共享资源冲突：键鼠不可共享；浏览器避免操作同一tab
-- 不满足map模式的任务 → 主agent顺序执行即可，别用subagent
-**标准流程（map-reduce）**：
-1. 主agent准备阶段：爬取/dump数据，存为多个独立输入文件
-2. 分发：对每个文件启动一个subagent处理（主agent自己也可以处理其中一个）
-3. 收集：等所有subagent完成，主agent读取各输出文件，汇总结果
+**用途**：N个独立同构子任务分发，独立上下文避免交叉污染
+**约束**：文件系统共享(优点)；键鼠不可共享；浏览器避免同tab
+**流程**：准备独立输入文件→每个启动subagent(--func优先)→收集输出汇总
 
 ## subagent内部plan_mode使用
 **原则**：subagent本身是完整agent，接收多步骤任务时应在内部创建plan管理执行