协调共享浏览器或桌面的编程智能体
本文目录
为共享浏览器操作单独指定负责人，并留下交接记录。两个编程任务即使使用各自的工作树，也可能仍依赖同一个可见窗口、当前聚焦的输入框，或同一条桌面输入路径。在任何一方发送下一次界面操作之前，先确定谁可以操作、它刚刚检查的是哪个目标，以及什么条件会结束这一轮。
一条关于并行计算机操作的公开功能请求提出，希望“两个智能体请求使用同一应用时，有可见的队列或锁”。这是一项被提出的协调需求。它不能证明当前智能体宿主提供哪些功能、报告中的环境现在是否仍有相同行为，也不能说明问题有多普遍。
下例使用人工协调人和无害的虚构页面。轮次标签只是笔记中的条目，不是原生租约，也不是操作系统锁。为了编写这些历史，没有操作浏览器、账户、桌面、智能体宿主或工作树。
除了代码，也要映射共享界面
虚构的 Fern 项目有两个编程任务，共用一个浏览器窗口。路径和 .invalid 地址只是示意标识，不是要打开的资源。
| 任务 | 归属工作树与分支 | 界面目标 | 要求的交付 |
|---|---|---|---|
| A · 卡片间距 | /fictional/fern-layout，分支 layout-gap |
https://layout.example.invalid/cards，横幅 FERN LAYOUT / L-17 |
spacing-check.md：检查指定预览中的网格叠加层 |
| B · 空状态文案 | /fictional/fern-copy，分支 empty-copy |
https://copy.example.invalid/empty，横幅 FERN COPY / C-08 |
copy-check.md：检查指定预览中的本地草稿措辞 |
两个任务都指向同一个界面资源 BR-1：同一虚构桌面上唯一可见的浏览器窗口。页面可以有两个标签页，但本例没有已核验的原生窗口或标签页标识，也没有已核验的工具与目标绑定。人工标签 BR-1 不会创造这些能力。
Git 的工作树手册介绍了与一个仓库关联的多个工作树，包括索引和 HEAD 等各工作树独立的状态。这确定的是代码管理边界。在本例中，浏览器使用权是另一项应用工作流决定：给 A 和 B 分配不同目录，并没有给它们分配不同的输入目标。
两个页面的示例定义足以展示一次焦点错误：
| 页面 | 初始状态 | 允许的本地检查 |
|---|---|---|
| Layout L-17 | Show grid 复选框未勾选 |
聚焦该复选框并切换一次；观察叠加层；不编辑其他控件 |
| Copy C-08 | Empty-state draft 文本区包含 Nothing here yet.，光标在末尾 |
仅将这份本地草稿替换为 No cards yet.；检查它；不保存、提交或发布 |
共享资源也包括焦点。MDN 的 keydown 参考文档说明，按键事件以当前聚焦的元素为目标，并且可以冒泡。记忆中的截图或打算操作的输入框，都不能为下一次键盘输入预留目标。
分开记录已知与未知的身份信息
交出输入操作权之前，先使用一张资源卡：
资源标签：BR-1（仅为人工笔记标签）
范围：一个共享的可见浏览器窗口及其桌面输入路径
协调人/操作者：M
候选任务：A、B
虚构设定中已知的信息：
- A 请求的 URL 与横幅：layout.example.invalid/cards；FERN LAYOUT / L-17
- B 请求的 URL 与横幅：copy.example.invalid/empty；FERN COPY / C-08
- 两者请求使用同一个窗口资源
为下一步重新检查之前仍未知的信息：
- 当前哪个页面和控件拥有焦点
- 预期的预览版本是否仍然可见
- 自上次观察后，是否有其他操作者改变过窗口
本例尚未确立的能力：
- 原生窗口/标签页 ID，或有文档依据的自动化目标绑定
- 任何原生锁、隔离桌面、租约到期或输入队列取消 API
选定的操作方式：
M 人工执行界面步骤，每次只处理一项有明确边界的请求。
A 和 B 提交请求并阅读返回的笔记；它们不发送设备输入。
URL 和横幅有助于 M 检查页面，但不能替代自动化工具的原生目标绑定。如果无法可靠识别 URL 或预期窗口，即使人工步骤也要等待。如果某个实际宿主提供适用且有文档依据的绑定，应先记录其文档规定的范围，再改变这种操作方式。本指南不声称当前 Codex 版本具备或缺少这种能力。
走完一次完整的焦点冲突历史
下面是不安全的虚构历史。它刻意允许两个智能体都发送未绑定具体目标的输入。起点是复选框未勾选，文案草稿与上文完全一致。
| 步骤 | 预期操作或中途事件 | 当时的可见目标 | 这段虚构历史中的预期后果 |
|---|---|---|---|
| F1 | A 检查 L-17，并聚焦 Show grid |
Layout L-17 复选框 | A 准备按一次空格键来切换叠加层 |
| F2 | B 将共享窗口切换到 C-08，并聚焦草稿 | Copy C-08 文本区，光标在末尾 | A 先前对目标的观察已经过期 |
| F3 | A 未绑定具体目标的空格输入被送达 | Copy C-08 文本区 | 草稿变为 Nothing here yet. ，末尾多一个空格；布局复选框不变 |
| F4 | A 把输入送达当成完成网格检查的证明 | 仍是 Copy C-08 | 这个结论没有依据；不存在当前的网格观察记录 |
| F5 | M 停止两个任务进一步发送界面输入，以便调查 | 共享资源暂停使用 | 保留改变后的草稿和两份操作陈述；不要再次打字来“修复”尚未确认的目标 |
示例的最终状态是精确的：复选框仍未勾选，文案草稿增加了一个 U+0020 空格，两个任务都没有有效完成界面检查。这里并不声称某个特定自动化产品会这样路由输入。这个过程展示的是：允许一个操作在检查后目标已改变的情况下继续，可能产生什么后果。
如果宿主能将操作绑定到特定元素或页面，应检查其文档描述的行为，不要假定这种失败同样适用。未绑定目标的输入，是本例自身的假设。
为协调人提供五种决定
这里的占用（own），指在这份人工方案下，请求下一项有明确边界的界面步骤的权限。它不是技术性的访问控制状态。在顺序历史中，M 始终是唯一的设备操作者。
| 决定 | 何时使用 | 继续之前必须记录什么 |
|---|---|---|
| 占用（Own） | M 允许一个任务针对已识别的目标和范围进入轮次，且没有先前的人工步骤仍在进行 | 任务、资源、轮次标签、精确的允许操作，以及刚完成的目标检查 |
| 等待（Wait） | 另一个任务占用当前轮次、身份不确定，或先前操作的去向和结果未知 | 缺少什么、由谁确认；等待时不发送界面输入 |
| 让出（Yield） | 占用方完成工作或到达停止点 | 最后观察到的页面/控件、草稿变化、未完成请求，以及该轮次下不再请求后续步骤的声明 |
| 重新检查（Reinspect） | 轮次开始、焦点或导航变化、人介入，或观察已过期 | 当前 URL/横幅/版本、聚焦控件，以及下一项操作是否仍符合范围 |
| 撤回（Revoke） | 出现意外变化、操作不确定，或人接管后，M 撤回轮次 | 停止请求新操作，保留已知信息，将未解决操作标为未知；资源状态核清之前，不允许下一轮进入 |
只有 M 确认后，让出才算完成。任务说“做完了”，不能证明先前的设备命令已经停止。在这个人工版本中，M 的待办清单包含文字请求，而不是隐藏的浏览器命令队列。如果真实部署中存在在途或排队的工具操作，只能使用其文档规定的停止和观察机制；取消请求没有回应，意味着未知，而不是队列已空。
时间限制应触发停止与状态检查。A 可能仍在操作时，不应自动给 B 一个轮次。同样，撤回笔记中的轮次，也不会强制中断已经发出的操作。如果参与者或工具不遵守约定，笔记无法强制实现互斥。
从未修改的初始状态走完顺序交接
这是一段独立历史，使用原始且未改变的示例值。它没有悄悄抹掉 F3 的尾随空格。下列所有观察和结果，都是事先给定的教学预期。
| 步骤 | 协调人的决定与操作 | 占用方/轮次 | 记录的状态与下一项条件 |
|---|---|---|---|
| S1 | M 收到 A 的网格检查和 B 的草稿检查请求 | 无 | 两个页面均为原始值；两项界面请求都在等待 |
| S2 | M 允许 A 进入单步检查；B 等待界面使用权 | A / H1 | 范围仅限 L-17 Show grid；B 可以继续独立的文件工作 |
| S3 | M 选择 Layout 页面，重新检查 URL、L-17 横幅及复选框焦点 | A / H1 | 目标匹配；复选框未勾选；没有先前人工步骤仍在进行 |
| S4 | M 为 A 切换一次复选框，并观察叠加层 | A / H1 | 复选框已勾选；文案草稿仍为 Nothing here yet.；A 的笔记记录指定版本和这项预期 |
| S5 | A 让出 H1，报告复选框已勾选，且 H1 下没有剩余请求 | M 确认前仍是 A / H1 | M 核清已完成的人工步骤，并记录 H1 请求已结束 |
| S6 | M 确认让出，然后允许 B 进入轮次 | B / H2 | H1 不再适用；B 必须在输入前检查自己的目标 |
| S7 | M 选择 Copy 页面，重新检查 URL、C-08 横幅、草稿值和焦点 | B / H2 | 草稿仍为 Nothing here yet.；没有 Layout 操作被带入 H2 |
| S8 | M 仅替换那份本地草稿，并检查结果 | B / H2 | 草稿变为 No cards yet.；网格仍已勾选；没有保存或提交任何内容 |
| S9 | B 让出 H2；M 核清步骤并确认 | 无 | 没有待处理的人工界面请求；最后页面为 Copy C-08 |
| S10 | M 向两个任务返回各自范围内的笔记 | 无 | A 的网格观察与 B 的草稿观察分别记录；两者都不声称已生产发布或仓库验收 |
H1 和 H2 是人工轮次标签，不是隔离令牌（fencing tokens）。这个过程假定参与者合作，且有明确边界的人工步骤进行期间，没有外部操作者改变窗口。出现意外变化时，应进入撤回分支，不能为了继续走完表格而忽略它。
让未知与撤回分支真正可用
如果 M 到了 S3，却看到不同横幅，或无法确定当前哪个窗口处于活动状态，H1 不切换复选框。记录 target_unknown，让 B 继续等待，并要求重新建立目标映射。熟悉的标签页标题还不够。再次允许新轮次进入之前，新的检查必须识别预期页面和版本。
如果 H1 已获准进入后，发生意外导航或人接管，M 将 H1 记为已撤回。A 停止请求 H1 操作。已经发出但状态尚未核清的操作，仍为 outcome_unknown；M 不推断它失败，也不在新聚焦的控件上重复执行。记录已有观察，利用实际宿主文档规定的能力核对该操作状态，然后才考虑新轮次。人接管时，不应争抢焦点。
要完整让出，可以使用这样一张简短卡片：
任务/资源/轮次：A / BR-1 / H1
已完成的允许步骤：切换一次 L-17 Show grid
最后观察的 URL/横幅：layout.example.invalid/cards；FERN LAYOUT / L-17
最后观察的焦点/状态：Show grid；已勾选；叠加层可见
草稿变化：未请求也未在 Copy 页面进行任何修改
未完成的人工请求：无
未完成的设备操作：在这段事先给定的人工过程中为无
H1 下的下一项操作：无；等待 M 确认让出
如果实际有任何操作尚未核清：在此停止并记录 UNKNOWN
卡片报告的是一次观察，不会让观察永远保持最新。B 仍然需要 S7。复用 A 的坐标、截图或“窗口已就绪”说法，会跳过交接中的关键一步；正是这一步避免 B 的下一项决定依赖过期上下文。
复制这份有明确边界的协调请求
使用资源映射、焦点冲突历史 F1–F5 和顺序历史 S1–S10，
协调虚构的 Fern 任务 A 与 B。
不要打开 .invalid URL，也不要操作真实浏览器、账户或桌面。
任务 A：/fictional/fern-layout，layout-gap，Layout L-17 网格检查。
任务 B：/fictional/fern-copy，empty-copy，Copy C-08 本地草稿检查。
在这个设定下，独立工作树不能确立独立的界面目标。
BR-1 是人工共享资源标签，不是 API 标识符。
采用人工方式：M 是唯一界面操作者；智能体提交文字请求。
另一个轮次占用资源时，任何智能体都不发送全局按键、点击或窗口切换。
不接触共享界面的文件工作可以继续。
每个获准进入的轮次都有一个任务、目标版本、操作范围和结束条件。
M 确认让出后，才能允许下一轮进入；不因超时自动转交。
每个有明确边界的步骤之前，以及交接或意外变化之后，
重新检查实际目标和焦点。目标未知：等待，不猜测，也不通过打字探测。
撤回：停止新请求；保留已发出操作的未知结果，不重放。
如果存在真实工具队列，其已停止/空闲状态需要文档依据和证据。
人工确认不能证明原生锁生效，也不能证明操作已取消。
以后若要改为自动化，先确定所选宿主/版本，以及目标绑定、观察和停止
能力的官方文档。只使用实际已经确立的能力。
如果无法确立绑定或停止能力，就保留人工操作者方式，或停止界面工作。
不要编造 acquire/release/lease API，也不要宣称某项 Codex 功能。
返回填好的资源与已知/未知映射、两段完整历史、
own/wait/yield/reinspect/revoke 卡片，以及各任务独立的观察。
保留精确草稿字符串、F3 多出的尾随空格，以及另一段顺序示例
独立的原始起点。不要把预期写成实际运行。
本任务不包括真实部署、账户访问或生产操作。
这个约定用于组织合作，并不隔离浏览器配置文件、应用存储、账户或秘密信息。如果工作需要更强的技术边界，应在使用资源之前单独确立。清楚的交接仍然有用，因为它说明了下一项操作、操作所属的目标，以及允许另一个人继续之前所需的证据。