doubaolisted

# 豆包桌面版自动化（子 AI 通道） 豆包是创作类任务的主力**子 AI**：图片生成、视频生成、文档生成、写作、多模态。主 Agent 需要这些能力时，加载本 skill 驱动豆包——**本 skill 就是"打开豆包"的遥控器**。 > 历史版本（v1/v2）已归档，不随本目录分发；v1→v2→v3 变更见 `CHANGELOG.md`。 ## 铁律：转述，不要设计 主 Agent 不擅长设计/创作，**禁止替用户设计参数**（不要自己编配色、构图、风格、文案结构——既费 token 又平庸）。 - ✅ 正确：把用户的原始意图**直接转述**给豆包（如"给这个模型生成个图标"→ 发给豆包"帮我给 Qwen3.6-35B-A3B 模型生成一个应用图标"），让豆包发挥创作能力。 - ❌ 错误：主 Agent 自己写"紫色渐变 #A78BFA→#7C3AED、白色粗圆环、3 个青色节点、扁平矢量风……"再让豆包执行。 - 主 Agent 的职责：理解意图 → 转述 → 等待生成 → 用下面的方式取回成品 → 交付。 ## 铁律：直连模式，任务 + 硬性返回格式写进同一条消息 豆包本身是 AI，会遵守格式要求。主 Agent **直接**通过本 skill 给豆包发消息时，把任务和硬性返回格式（JSON 骨架 + 约束）写在**同一条消息**里，豆包直接按格式返回。 - ✅ 正确：`-Action send -Text '请把结果严格按以下 JSON 返回，不要任何额外文字：{"status":"success","summary":"...","data":{}}。任务：……'` - ❌ 错误：为"转述 + 把豆包回答改写成 JSON"再包一层子 Agent 当传话筒——中转多烧一层上下文，纯属浪费 token（详见 `agent-delegation-slim` 的「委派的两种形态」） - 识别类同理：`-Files 图片/音频/视频` 上传 + 消息里附 JSON 格式指令，豆包直接返回结构化文本（主 Agent 的"伪多模态化"首选通道） ## 铁律：先确保窗口就位，再操作 **任何需要窗口的动作（status/send/attach/read/wait/mode/newchat 等）都会自动前置 ensure**，无需手动先跑： 1. 豆包没运行 → 自动按安装路径/注册表/开始菜单搜索 `Doubao.exe` 并拉起，最多等 45 秒主窗口出现 2. 窗口最小化 → 自动还原 3. 窗口中心不在主屏工作区（副屏、被拖出屏幕、离屏残留）→ 自动 `MoveWindow` 回主屏工作区 4. 最后统一 `SW_MAXIMIZE` 放大化，保证全可见 主 Agent 不需要关心豆包"开没开、在哪块屏"——直接发动作指令即可。只有 `probe-windows` 是例外（纯诊断，不做 ensure，保证 ensure 本身出问题时也能排障）。 ## 铁律：UI 发现方法链——锚点 → 候选 → 验证 → 降级 **不写死坐标、不盲目信任控件名。** 豆包改版/换分辨率/换屏后控件名、位置、菜单结构都可能变。当标准动作报错（`DOUBAO_ERROR:` 开头）时，按下面方法链逐步探测，自己找出正确目标： ### 第一步：锚点 一切定位先找**最稳定的锚点**——聊天输入框：`-Action probe-buttons` 输出的第一行「输入框(锚点)」。它是支持 ValuePattern 的 Edit 里最宽的那