WillDeep

问题修复

• 让 Agent 用浏览器干活，它却换成 curl 冒充浏览器去取网页。 例子：用户让它用侧栏浏览器找 Google“杭州一日游”的第一个非广告结果。Google 结果页的链接是加密跳转 /goto?url=…，它为了拿到真实网址，发起了 curl -D - -A 'Mozilla/5.0 … Chrome/128' 'https://www.google.com/goto?url=…'，想在浏览器之外读跳转的 Location。当时是智能审核把它拦下来交给用户确认。原因是浏览器指引里，“不准用伪造 UA 或 curl 重放”只在“网站拦截了自动化”这个前提下才适用，也没有一条规则写着“用户指定用浏览器，就全程在浏览器里做”。这次改了两层：
• 浏览器指引加了一条（只在浏览器工具包加载时出现，稳定核心不变，核心的前缀缓存不受影响）：用户要用浏览器，就在浏览器里把事做完，不为了这些页面或它们的跳转改用 run_command、curl 或 web_fetch。搜索结果的跳转链接（Google /goto、百度 /link），就报结果上能看到的站点和路径，或者在浏览器里打开并如实报告结果，包括被拒绝的情况。任何时候都不准给 curl/wget 设置浏览器样式的 User-Agent。
• 加了一道硬拦截 AgentBrowserUserAgentSpoofGuard：同一回合里调用过 embedded_browser_* 之后，如果 run_command / terminal_send_command 里的 curl 或 wget 带了 Mozilla/… 样式的 UA（-A、--user-agent、wget 的 -U、User-Agent: 请求头都算），直接拒绝，不弹确认卡，并告诉模型回到浏览器里做。普通的 curl、自定义工具 UA（如 -A my-cli/1.0）、grep 'User-Agent: Mozilla' 这类命令不受影响；上一回合用过浏览器也不算。
• 浏览器能力附录的快照哈希更新为 a877e8835f704327。另外三个附录和三档稳定核心的哈希都没变。
• 测试：AgentBrowserRunawayGuardTests 新增 4 项：
• 指引的语义断言；
• UA 识别表格，共 11 例，包括截图里原样的那条命令；
• 拦截范围：只拦 shell 类工具、只在本回合用过浏览器时拦；
• “本回合用过浏览器”只看回合开始之后的调用。

问题修复

• 网站单纯返回 403 时，不再说成“站点在阻止自动化访问”。 以前内置浏览器只要看到 403 / 429 / 503 加一个很短的页面，就标记 blocked_by_site，并提示“The site is blocking automated access”，模型再把这句当事实转述给你。实际上，单纯的 403 只能说明网站拒绝了访问，原因页面里没写：可能是 IP 或地区限制、代理出口、没有登录，也可能是防爬规则。例子是 klook 返回的 403，标题只有 klook.com，页面里没有验证码。现在分开处理：
• 验证码、人机验证、challenge 页、Just a moment / Attention Required 这类页面，以及 429 限流：和以前一样，标记 blocked_by_site，要求停下来汇报。
• 403 / 503 加短页面，但没有任何验证特征：改为标记 access_refused。提示模型如实告诉你“网站返回了 HTTP 403”，列出可能的原因，不许说成识别到了自动化。同样禁止用伪造 UA、代理、抓取中转、curl 重放或 OCR 绕过；你可以在浏览器面板里打开看看网站显示了什么。
• navigate、点击 / 按键后的跳转、read_page 三个入口都统一走 AgentBlockedPageDetector.verdict 和 annotate。系统提示词没有改动。
• 测试：更新 AgentBrowserRunawayGuardTests 的拦截页识别表格。单纯 403 不再算拦截，带 Cloudflare 验证标题的 403 仍然算。另外新增 1 项：klook 式 403 标记 access_refused，提示里包含状态码、不含“blocking automated access”；503 同样处理；长正文的 403 不做标记；429 和 challenge 页仍然算拦截。

新功能

• 内置浏览器可以切换到“独立浏览器”，它不带你的登录态。 浏览器面板工具栏新增一个切换按钮（人像图标）：
• 我的浏览器：默认，行为和以前一样，用系统默认的网站数据存储，带你的登录态和从 Chrome 导入的 cookie。
• 独立浏览器：单独的一套网站数据存储，和“我的浏览器”完全隔离。macOS 14 及以上用固定标识的持久存储，数据会保留；macOS 13 上用隔离的临时存储，退出 App 后清空。面板底部会显示“独立浏览器”标记；这时“从 Chrome 导入登录”按钮不可用，免得把登录态带进来。
• 切换时重建 WebView，当前网页在新的存储里重新打开。同一会话里新开的浏览器标签页沿用最后一次的选择；关闭会话后恢复为“我的浏览器”。
• 在独立浏览器里，普通操作不需要确认，包括打开网页、点击、输入、按键、滚动、执行脚本。那里没有你的登录态，也就谈不上“以你的身份操作”。以下情况仍然要确认：
• 上传本地文件；
• 有后果的点击（发送、删除、付款、登录等，见 1.402.0-rc1）；
• 带密钥占位符 ${secret: 的调用，比如把保存的密钥输入网站；
• 选了严格模式（每次都问）。
• 宿主在登记每个内置浏览器调用时，写入隐藏参数 _willdeep_browser_profile。如果批准之后切换过配置，调用会在执行前被拒绝，要求重新发起。embedded_browser_status 返回 profile 字段，模型能知道自己在哪套浏览器里。
• 新文件 Xedit/AgentEmbeddedBrowserProfile.swift。设计记录见 docs/EMBEDDED_BROWSER_SITE_AUTHORIZATION.md 第 4 步。
• 测试：新增 AgentEmbeddedBrowserProfileTests，共 6 项：
• 独立浏览器里写的 cookie 不会出现在“我的浏览器”里。测试只读取默认存储，不往里写，因为测试宿主和真实 App 共用同一个容器。
• 切换会重建 WebView，状态里能看到当前配置，新标签页沿用，关闭会话后恢复默认。
• 宿主写入配置（包括 navigate，不包括 Chrome）。
• 免确认的范围：上传、有后果的点击、带密钥占位符的调用、我的浏览器都不免。
• 智能模式直接放行，严格模式仍然询问。
• 切换过配置的调用在执行前被拒绝。

问题修复

• 两个内置浏览器用例在全量测试里不再必红。 rc4 里记作"满载下偶发"的 AgentEmbeddedBrowserInputTests.enterSubmitsForm() 和 AgentEmbeddedBrowserInteractionTests.blankTargetLinkOpensInPlace()，实际上连续两次全量测试都红，并不是偶发。
• 它们都是各自串行 suite 里的第一个用例，失败都发生在测试准备阶段的第一次页面加载：这次加载要冷启动 WebKit 的 WebContent 进程，全量 4526 个用例同时跑时，冷启动就会超过生产代码 10 秒的等待上限。同一个 suite 里后面的用例都通过，单独跑也只要 0.9 秒。
• 只放宽这两个 suite 准备阶段的首次加载等待（60 秒）。全量实测这两个用例各用 33.7 秒和 36.3 秒，冷启动本身就要二十多秒，30 秒余量太小。被测的按键和点击动作仍然用生产代码的超时，产品代码没动。

问题修复

• Chrome 工具不再跟着你切换的标签页走。 以前扩展每执行一条命令都重新查一次"当前活动标签页"：Agent 刚对 A 页做完 snapshot，你切到 B 页，接下来的 type 就把文字输进了 B 页；截图、导航、调试命令也一样。现在扩展会记住 Agent 正在操作的标签页（存在 chrome.storage.session 里，service worker 休眠重启也不会丢），每条命令按下面的顺序决定目标：

1. 显式传入的 tab_id（这个标签页同时成为 Agent 的标签页）；

2. 已锁定的 Agent 标签页；

3. 当前活动标签页，并把它锁定下来。

chrome_activate_tab 和 chrome_navigate 会更新锁定目标。

• 14 个 Chrome 页面 / 标签页工具新增可选参数 tab_id：read_page、read_selection、snapshot、navigate、history、click、type、hover、select_option、press_key、scroll、wait_for、capture_tab、debugger_command。
• 每个结果都带上 tab_id、tab_title、tab_url，模型能看到自己操作的是哪个页面。
• 锁定的标签页被关掉时，改用当前活动标签页，并在结果里用 retargeted 说明。
• 显式传了一个已经不存在的 tab_id 会直接报错，不会悄悄换成别的页面。
• chrome_list_tabs 返回 agent_tab_id，每个标签页带 agent_target 标记。
• 截图不再在后台抢你的标签页。 Chrome 的截图 API 只能截窗口里正在显示的那个标签页。Agent 的标签页在后台时，chrome_capture_tab 会明确报错并给出办法：先 chrome_activate_tab，或者改用在后台标签页也能用的 read_page / snapshot。
• 扩展 popup 里的"读取页面 / 读取选区 / 截图"按钮仍然作用于你正在看的页面（带 useActiveTab），不会读 Agent 的标签页，也不会改变锁定目标。
• 工具描述、浏览器能力块和审计摘要（新增 tab_id=）同步更新；能力块只更新了浏览器块的哈希快照。
• 需要在 chrome://extensions 里重新加载 WillDeep Browser 扩展后才生效。
• 测试：
• 新增 Ruby 行为测试 scripts/chrome_extension_agent_tab_test.rb，已登记进 CI 的 interaction 守卫组。它用 Node 加载真实的 service_worker.js，注入模拟的 chrome API，走一遍 11 个场景：首次命令锁定活动标签页、用户中途切换标签页后输入仍落在 Agent 的页面、popup 读用户的页面且不改锁定、后台标签页截图被拒而不抢焦点、导航留在 Agent 的标签页并等加载完、显式 tabId 改锁定、未知 tabId 报错、列表标记、锁定的标签页被关掉后回退并说明、activate 锁定、前台标签页截图正常。输出 JSON 和 Markdown 两份报告。
• 反验：用修改前的 service_worker.js 跑同一套测试，11 项全部失败，其中复现了"用户切换标签页后，Agent 的输入落到了用户的页面上"。
• AgentChromeToolTests 新增两项：14 个工具都有可选的 tab_id 且描述不再写"active Chrome tab"；tab_id 的解析。

新功能

• 内置 willdeep-config 配置管理插件（0.2.0）。 以子模块 PluginExamples/config（niuwoai/willdeep-config，锁在 v0.2.0）接入，随 App 打进 BundledPlugins/config：.codex-plugin、.willdeep-plugin、mcp.json、Ruby stdio 服务端 server/ 与页面 ui/index.html。它的插件本体在仓库的 plugin/ 子目录，打包脚本新增 bundle_plugin_from <id> <源目录>，原有 bundle_plugin 改为调用它，其它插件的打包结果不变。
• 短剧插件（video-studio）已是最新提交 cb8bd36（v0.28.0-rc5 之上的 streamable-http 两个修复），本版未变。
• 测试：repositoryExamplesPassTheProductionLoader 加入 config/plugin，用生产加载器校验清单。

问题修复

• 用量日历与单日详情也合并 CLI，并跟随「全部 / 桌面 / CLI」切换。 1.395.0-rc1 装到本机后实测：总览的「API 请求 · 近 7 天」已从 471 变成 2,045，但点进用量日历，9 月 21 日仍是桌面的 324.8k、9 月合计仍是纯桌面的 198.44M。日历按月汇总（dailyUsage）、当月会话数、单日详情（dailyDetail）和分享卡片都直接读桌面快照，漏接了 CLI 账本。现在它们和热力图一样，都读 AppState.agentUsageFilteredSnapshots / agentUsageFilteredCLIRecords：CLI 的 Token、会话、按同一张价目表估的费用、模型行、最大上下文都算进去。
• 热力图标题行的切换按钮不再被「点进日历」吞掉。 以前整个 Token 活动区块（含标题行）是一个按钮，点「CLI」在无障碍路径上触发的是进日历，筛选没切过去。现在只有格子区可点进日历，标题行的「全部 / 桌面 / CLI」「每日 / 每周 / 累计」各自独立。
• 新增测试：dailyUsageMergesCLI、dailyDetailMergesCLI。

新功能

• 用量统计合并 willdeep CLI 的用量，并能按「桌面 / CLI」分开看。 设计见 docs/USAGE_LEDGER_DESIGN.md（双端 canonical，rs 侧引用）。2026-09-21 用户反馈 CLI 跑了一天、Token 活动只有 32.5 万：热力图只读桌面会话，而当天 CLI 实际是 704 次模型调用、约 3297 万 Token，一条都没进来。
• 读取 willdeep-rs 写的本地用量账本 ~/.willdeep/usage/YYYY-MM.jsonl（willdeep.usage-ledger.v1，WILLDEEP_HOME 优先）。只读；增量读取，写到一半的行留到下次；按 id 去重。账本没有或为空时，面板和以前完全一样。
• 用量面板打开时读一次，开着期间监听账本目录，2 秒节流刷新；面板关掉就停止监听。
• 热力图、总览（Token、会话数、活跃天数、连续天数、峰值时段、单任务峰值）、模型拆分、本地 / API 请求页都合并 CLI 数据。同一模型两端合成一行，行内标「桌面 + CLI」或「CLI」。
• 热力图标题行在有 CLI 数据时出现「全部 / 桌面 / CLI」切换，所有统计跟着切，选择会记住。
• 提示框在两端都有调用的日子显示「桌面 N · CLI M」，有缓存数据时显示缓存命中比例。

体验改进

• 热力图的「请求」改为模型调用次数，与请求页和 CLI 账本同一口径。 以前数的是当天的用户消息，跨零点的回合在次日只剩 Token，于是出现「请求：0 次 · Token：32.5 万」（当天那格就是一次 22:18 发起、跑到 01:12 的定时巡检）。现在主循环每轮、worker 的每一轮、标题 / 压缩 / 图片描述 / 路由 / 输入预测这些辅助请求都各算一次，worker 和辅助请求自己的 Token 也补进热力图。数字会比以前大。
• 「最爱模型」按每一次调用实际用的模型计。 以前按会话默认模型 × 消息数，省心托管和中途切模型的会话都算在默认模型头上。早期没有逐次请求记录的会话退回旧算法。
• 新增测试 AgentCLIUsageLedgerTests（12 项）：读取器的解析 / 增量 / 半行 / inode 变化 / 目录缺失 / WILLDEEP_HOME，以及热力图分来源与缓存命中、跨零点、worker 与辅助请求计入、总览合并、模型行合并、请求页、无 CLI 时模型拆分逐项不变。

问题修复

• 两个用桩的 Worker 套件在满载全量里撞 1 分钟时限。 本机升到 Xcode 27 后第一次发版，全量测试里 AgentWorkerOwnerStopTests.workerPropagatesRealApprovalFailure 连续两次「超过 1 分钟执行时限」，单独跑 1.5 秒全过；今天更早一次发版里 AgentPlanningBudgetTransportTests.structuredRunnerUsesActualLedger 也这样红过一次（单跑 0.135 秒）。和 2026-09-12 3273071a 修的是同一类：这些套件全是 @MainActor，Swift Testing 跨套件并行时抢同一个主执行器，满载时一次等待就可能耗满为测试放宽过的 45 秒首轮联系，再叠一轮裁判请求就越过 1 分钟。
• 两个套件的 .timeLimit 从 1 分钟放到 3 分钟。时限只是防挂死的兜底，断言验的是抛出哪种错误，放宽不削弱判据；产品超时一个字没动。
• 同一轮全量里 AgentPluginAuditLogTests 的两条「等文件落盘」也红过一次，重跑即过、单跑全过，未改动，继续观察。
• 本机开发环境备忘：升到 Xcode 27 后要先 sudo xcodebuild -license accept、sudo xcodebuild -runFirstLaunch，再 xcodebuild -downloadComponent MetalToolchain（Shaders.metal 需要，Xcode 26 起 Metal 工具链不再随 Xcode 自带），否则 git 与构建都会被拦。

问题修复

• AgentContextRunwayHandoffFooterTests.latestHandoffCarriesRelayActions 跟上 1.394.0-rc1 的页脚载荷。 rc1 把「开新会话继续」图标挂的内容从 NEXT PROMPT 一句改成整份交接，这条用例还在断言只带那一句，结果在发布前的全量测试里红了，发布在归档前中止，没有任何产物上传。现在断言页脚带的是整份交接。rc1 开发时只按结构体名选了 AgentContextRunwayHandoffDisplayTests，同文件里的 footer suite 没被选中，所以漏掉了。
• 同一次全量里 AgentPlanningBudgetTransportTests.structuredRunnerUsesActualLedger 报「超过 1 分钟执行时限」。单独跑 0.135 秒通过，是满载下的计时抖动，与本次改动无关，未改动。