源码教程:原生对话框、DOM 弹窗与人机协作
这三类能力的实现对象不同:原生对话框由浏览器事件提供,DOM 弹窗是普通网页节点,人工请求是服务端维护的协作状态。它们不能共用“找到一个确定按钮就点”的逻辑。
1. 原生对话框记录
页面出现 alert、confirm 或 prompt 时,监听器保存最近一次对话框信息并按配置处理。读取命令返回的是记录,不保证对话框现在还在屏幕上。
| 命令 | 实现 |
|---|---|
get_dialog、get_js_dialog | 两个名字调用同一 getDialog 方法;consume 为 true 时读后清除 |
clear_dialog、clear_js_dialog | 清空最近对话框记录,不是关闭 DOM 窗口 |
set_dialog_behavior | 设置后续原生对话框采用接受还是取消策略,参数为 dismiss |
通过 seq、timestamp 区分新旧记录。不要在某次提交后读到很久以前的 alert,就误判本次提交结果。修改默认处理方式也不代表回放之前的对话框。
2. DOM 弹窗发现和关闭
get_modals 在页面执行弹窗识别逻辑,结合语义、框架特征及几何线索收集候选,输出标题、按钮及点击坐标。固定页头可能与弹窗一样有较高 z-index,所以不能仅按 z-index 判定。
close_modal 支持 which、title、button 选择目标。默认优先关闭顶部弹窗,使用真实鼠标,并在操作后检查弹窗数量等状态是否真的变化。closed=false 时不应循环重复点击,因为可能产生更多确认层。
{"id":"1001","method":"get_modals","params":{}}
先读取再决定是否关闭;短信验证、条款或业务确认并不一定应被关闭。get_modals 没找到候选也不能证明页面没有任何遮挡,仍可从快照文本和点击命中探针排查。
3. 人工请求的状态机
prompt 与非空 steps 至少提供一个。有效期有三个写法,优先级从高到低:expiresAt(绝对毫秒时间戳)> expiresInSeconds(相对秒数)> timeoutSeconds(相对秒数)。后两个说的是同一件事,之所以都收,是因为回执里输出的字段名就是 expiresInSeconds:调用方照着回执把参数写回来时,应当得到它预期的时长,而不是被静默丢回默认值。
request_human_input 创建 requestId,保存 prompt、expiresAt 和可选 steps;有图片目标时复用元素截图,可选 OCR。请求可以将当前页提到前台,但不会自动把信息推送到用户正在使用的聊天界面,宿主仍需要展示提示。
ask_user 面向另一类需求:不是「请人去页面上做一件事」,而是向用户要一个只有他知道的值(银行卡号、身份证号、验证码),或者在几个选项里挑一个。它不截图、也不抢焦点,参数形态与模型侧的同名提问工具一致。实现上它把每个问题转成一步,复用同一套 steps 状态机,因此部分答复、全部答复、过期这些行为与 request_human_input 完全一致。
submit_human_input 根据 requestId 写入 answer,或根据 stepId/answers 更新多步请求。get_human_input 查询状态,允许短时间等待。多步完成一部分时可返回 partial,未完成且超过 expiresAt 时返回 expired。
创建 → pending
部分步骤答复 → partial(仍有待办)
全部答复 → answered
待答复且超过有效期 → expired
requestId 与浏览器任务 ID 不是同一个标识。用户直接在浏览器里完成操作,不一定同时更新人工请求记录;此时必须读取页面确认真实结果,不能只轮询 pending。
{"id":"1001","method":"request_human_input","params":{"prompt":"请在当前页面完成登录,完成后告知","timeoutSeconds":300}}
后续查询必须使用实际返回的 requestId。本教程不记录真实密码或验证码。过期请求不代表验证成功,不能凭时间流逝继续依赖该验证的步骤。
4. 验证方法
fixture 分别触发 alert 与 DOM 弹窗,验证两套查询不会混淆;再叠加两个 DOM 窗口验证目标选择和关闭回读。人工请求测试覆盖单步、多步部分答复、过期和不存在 requestId。测试“已答复”与网站“已登录”是两个不同断言,不能用一个替代另一个。
注册参数与 Java 入口
以下按 CommandTable 实际读取参数整理。* 表示注册层使用必填读取器;其余字段省略后由服务决定默认行为。带条件的入口仍需满足正文说明,例如上传文件来源、元素定位二选一。外层 id 不重复列出。
| 命令 | params 字段 | Java 入口 |
|---|---|---|
get_dialog | consume | getDialog |
clear_dialog | 无 | clearDialog |
get_js_dialog | consume | getDialog |
clear_js_dialog | 无 | clearDialog |
set_dialog_behavior | dismiss | setDialogBehavior |
get_modals | 无 | getModals |
close_modal | which、title、button | closeModal |
request_human_input | steps、prompt、index、selector、timeoutSeconds、expiresInSeconds、expiresAt、ocr、ocrLanguage、inline、frame | requestHumanInput |
ask_user | questions*、timeoutSeconds、expiresInSeconds、expiresAt | askUser |
get_human_input | requestId*、timeoutSeconds | getHumanInput |
submit_human_input | requestId*、answer、stepId、answers | submitHumanInput |
当前源码:命令注册与执行
先在本章上半部分理解行为,再按命令展开实现。注册代码说明 JSON 参数如何传给 Java;服务方法展示实际浏览器操作。方法依赖共享类中的字段和辅助函数,不应脱离原类直接粘贴编译。
get_dialog
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("get_dialog", (svc, id, a) -> svc.getDialog(id, a.getBoolean("consume")));
展开 getDialog 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo getDialog(Long browserId, Boolean consume) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
Kv dialog = inst.lastDialog;
if (consume != null && consume) {
inst.lastDialog = null;
}
if (dialog == null) {
return RespBodyVo.ok(Kv.by("dialog", null));
}
return RespBodyVo.ok(Kv.by("dialog", dialog));
}
clear_dialog
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("clear_dialog", (svc, id, a) -> svc.clearDialog(id));
展开 clearDialog 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo clearDialog(Long browserId) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
boolean cleared = inst.lastDialog != null;
inst.lastDialog = null;
return RespBodyVo.ok(Kv.by("cleared", cleared));
}
get_js_dialog
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("get_js_dialog", (svc, id, a) -> svc.getDialog(id, a.getBoolean("consume")));
展开 getDialog 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo getDialog(Long browserId, Boolean consume) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
Kv dialog = inst.lastDialog;
if (consume != null && consume) {
inst.lastDialog = null;
}
if (dialog == null) {
return RespBodyVo.ok(Kv.by("dialog", null));
}
return RespBodyVo.ok(Kv.by("dialog", dialog));
}
clear_js_dialog
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("clear_js_dialog", (svc, id, a) -> svc.clearDialog(id));
展开 clearDialog 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo clearDialog(Long browserId) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
boolean cleared = inst.lastDialog != null;
inst.lastDialog = null;
return RespBodyVo.ok(Kv.by("cleared", cleared));
}
set_dialog_behavior
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("set_dialog_behavior", (svc, id, a) -> svc.setDialogBehavior(id, optBool(a, "dismiss")));
展开 setDialogBehavior 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo setDialogBehavior(Long browserId, boolean dismiss) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
inst.dismissDialogs = dismiss;
return RespBodyVo.ok(Kv.by("dismiss", dismiss));
}
get_modals
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("get_modals", (svc, id, a) -> svc.getModals(id));
展开 getModals 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo getModals(Long browserId) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
Kv probe = modalProbe(inst);
if (probe == null) {
return RespBodyVo.fail("get_modals 失败:读取页面弹窗失败");
}
return RespBodyVo.ok(probe);
}
close_modal
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("close_modal", (svc, id, a) -> svc.closeModal(id, optStr(a, "which"), optStr(a, "title"),
optStr(a, "button")));
展开 closeModal 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo closeModal(Long browserId, String which, String title, String button) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
Kv before = modalProbe(inst);
if (before == null) {
return RespBodyVo.fail("close_modal 失败:读取页面弹窗失败");
}
int countBefore = asInt(before.get("count"));
if (countBefore == 0) {
return RespBodyVo.ok(Kv.by("closed", false).set("countBefore", 0).set("countAfter", 0)
.set("note", "当前没有可见的 DOM 弹窗,无需关闭"));
}
String mode = which == null || which.isBlank() ? "top" : which.trim().toLowerCase(java.util.Locale.ROOT);
List<Kv> targets = pickModals(before, mode, title);
if (targets.isEmpty()) {
return RespBodyVo.fail("close_modal 失败:没有匹配的弹窗(" + (mode.startsWith("class:")
? "className 含「" + mode.substring("class:".length()) + "」的弹窗不存在"
: "标题/文本含「" + title + "」的弹窗不存在")
+ ",当前共 " + countBefore + " 个,用 get_modals 看清单(每项都有 className 与 matchedBy))");
}
List<Kv> clicked = new ArrayList<>();
for (Kv target : targets) {
Kv hit = clickModalButton(inst, target, button);
if (hit != null) {
clicked.add(hit);
}
// 关掉一个就重新探一次:数量真的减少了才算成功
if (!"all".equals(mode)) {
break;
}
Kv now = modalProbe(inst);
if (now == null || asInt(now.get("count")) == 0) {
break;
}
}
Kv after = modalProbe(inst);
int countAfter = after == null ? countBefore : asInt(after.get("count"));
boolean closed = countAfter < countBefore;
Kv data = Kv.by("closed", closed).set("countBefore", countBefore).set("countAfter", countAfter)
.set("clicked", clicked).set("closedAll", countAfter == 0).set("which", mode);
if (title != null && !title.isBlank()) {
data.set("title", title);
}
if (!closed) {
data.set("hint", "点了按钮但弹窗数量没减少:该弹窗可能只认真实鼠标事件、或点中的不是它的关闭按钮。"
+ "用 get_modals 拿 closePoint / buttonPoints,再直接 mouse_click 那个坐标");
}
return RespBodyVo.ok(data);
}
request_human_input
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("request_human_input", (svc, id, a) -> {
// prompt 与 steps 二选一:两个都没给时在**碰浏览器对象之前**就说清楚是缺哪个参数
if (a.getJSONArray("steps") == null && optStrRaw(a, "prompt") == null) {
throw new IllegalArgumentException("缺少参数 prompt");
}
// expiresInSeconds 与 timeoutSeconds 是同一件事的两个名字:回执里输出的字段就叫
// expiresInSeconds,照着回执写回来却完全没有效果(被静默忽略、按默认 300 秒过期),
// 这个不对称实测确实坑过人,所以两个名字都收。
return svc.requestHumanInput(id, optStrRaw(a, "prompt"), a.getInteger("index"), optStr(a, "selector"),
a.getInteger("timeoutSeconds"), stepListOf(a.getJSONArray("steps")), a.getLong("expiresAt"),
a.getInteger("expiresInSeconds"), a.getBoolean("ocr"), optStr(a, "ocrLanguage"),
a.getBoolean("inline"), optStr(a, "frame"));
});
展开 humanDeadline 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。三种有效期写法都在这一处收敛。抽成静态方法是为了能直接对优先级写用例——这段逻辑原先埋在方法体里,而它恰好是「参数被静默忽略」那次事故的责任点。
static long humanDeadline(long now, Integer timeoutSeconds, Long expiresAt, Integer expiresInSeconds) {
if (expiresAt != null && expiresAt > 0) {
return expiresAt;
}
int ttl;
if (expiresInSeconds != null && expiresInSeconds > 0) {
ttl = expiresInSeconds;
} else {
ttl = timeoutSeconds == null || timeoutSeconds <= 0 ? DEFAULT_HUMAN_TIMEOUT_SECONDS : timeoutSeconds;
}
return now + ttl * 1_000L;
}
展开 requestHumanInput 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo requestHumanInput(Long browserId, String prompt, Integer index, String selector,
Integer timeoutSeconds, List<Kv> steps, Long expiresAt, Integer expiresInSeconds, Boolean ocr,
String ocrLanguage, Boolean inline, String frame) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
if ((prompt == null || prompt.isBlank()) && (steps == null || steps.isEmpty())) {
return RespBodyVo.fail("request_human_input 需要 prompt,或用 steps 给出待办清单");
}
long now = System.currentTimeMillis();
long deadline = humanDeadline(now, timeoutSeconds, expiresAt, expiresInSeconds);
String requestId = "hr-" + inst.humanSeq.incrementAndGet() + "-" + SnowflakeIdUtils.id();
Kv request = Kv.by("requestId", requestId).set("prompt", prompt).set("status", "pending").set("answer", null)
.set("createdAt", now).set("expiresAt", deadline);
inst.humanRequests.put(requestId, request);
// 需要人工介入时把页面带到最前,人才能直接看到验证码/表单
activate(inst.page);
Kv data = Kv.by("requestId", requestId).set("prompt", prompt).set("expiresAt", deadline)
.set("expiresInSeconds", Math.max(0, (deadline - now) / 1000)).set("url", inst.page.url());
if (deadline <= now) {
// 过期时刻已经过去了:直接说清楚,别让人等一个永远不会来的答复
request.set("status", "expired");
data.set("status", "expired").set("note", "expiresAt 已经过去了,这个请求没有生效;请重新发起");
return RespBodyVo.ok(data);
}
boolean wantOcr = Boolean.TRUE.equals(ocr);
boolean wantInline = inline == null || inline;
// 第一个要看图的目标:老写法(index/selector)或 steps 里第一个带目标的步骤
Integer shotIndex = index;
String shotSelector = selector;
String shotPrompt = prompt;
// 验证码/二维码经常在跨域 iframe 里(实测企业微信登录页的二维码就在 iframe 中),
// 不给 frame 时 selector 只在顶层文档找,回执里 imageUrl 会是空的 —— 所以这里一路透传下去
String shotFrame = frame;
if (steps != null && !steps.isEmpty()) {
List<Kv> items = new ArrayList<>();
int seq = 0;
for (Kv step : steps) {
String stepId = "s" + (++seq);
Kv item = Kv.by("stepId", stepId).set("prompt", step.getStr("prompt")).set("status", "pending")
.set("answer", null);
if (step.get("index") != null) {
item.set("index", step.get("index"));
}
if (step.getStr("selector") != null) {
item.set("selector", step.getStr("selector"));
}
if (step.getStr("frame") != null) {
item.set("frame", step.getStr("frame"));
}
items.add(item);
}
request.set("steps", items).set("status", "pending");
data.set("steps", items).set("stepCount", items.size());
if (shotPrompt == null || shotPrompt.isBlank()) {
shotPrompt = steps.get(0).getStr("prompt");
}
if (shotIndex == null && (shotSelector == null || shotSelector.isBlank())) {
Object stepIndex = steps.get(0).get("index");
String stepSelector = steps.get(0).getStr("selector");
shotIndex = stepIndex instanceof Number ? ((Number) stepIndex).intValue() : null;
shotSelector = stepSelector;
if (shotFrame == null || shotFrame.isBlank()) {
shotFrame = steps.get(0).getStr("frame");
}
}
data.set("note", "这是一次带多步待办的请求:让人一次做完,再用 submit_human_input 按 stepId 逐个回填;"
+ "全部回填后 get_human_input 的 status 会变成 answered");
}
if (shotIndex != null || (shotSelector != null && !shotSelector.isEmpty())) {
// 请人看验证码/二维码是「确实必须看图」的场景:落盘 + 内联 + 可 GET 的 URL 一起给,
// 读不了图的模型至少还能把 imageUrl 贴给用户,或走 OCR
String path = defaultShotPath(inst);
RespBodyVo shot = elementScreenshot(inst, shotIndex, shotSelector, path, wantInline, shotFrame);
if (shot.isOk() && shot.getData() instanceof Kv) {
Kv shotData = (Kv) shot.getData();
if (wantInline) {
data.set("imageBase64", shotData.getStr("base64"));
}
data.set("imageSize", shotData.get("size"))
.set("imagePath", shotData.getStr("path"))
.set("imageUrl", shotData.getStr("url"))
// 截图取自哪个 frame/选择器:跨域 iframe 里截图时,这是判断「到底截到没有」的唯一线索
.set("imageTarget", shotData.getStr("target"));
} else {
data.set("imageError", shot.getMsg());
}
}
if (wantOcr) {
String imagePath = data.getStr("imagePath");
if (imagePath == null || imagePath.isEmpty()) {
data.set("ocrError", "ocr:true 需要 index / selector(或 steps 里的第一个带目标的步骤)来指定要读的图");
} else {
Kv read = WindowsOcr.read(Paths.get(imagePath), ocrLanguage);
data.set("ocr", read);
if (Boolean.TRUE.equals(read.get("ok"))) {
data.set("ocrText", read.getStr("text"));
} else {
data.set("ocrError", read.getStr("error"));
}
}
}
return RespBodyVo.ok(data);
}
ask_user
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
// 向用户「要一个值」,而不是「请人去页面上操作」:银行卡号、身份证号、验证码、二选一。
// 与 request_human_input 共用同一套待办存储,所以 submit_human_input / get_human_input 原样可用。
put("ask_user", (svc, id, a) -> {
if (a.getJSONArray("questions") == null) {
throw new IllegalArgumentException("缺少参数 questions");
}
return svc.askUser(id, questionListOf(a.getJSONArray("questions")), a.getInteger("timeoutSeconds"),
a.getLong("expiresAt"), a.getInteger("expiresInSeconds"));
});
展开 questionListOf 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。问题的形状与 steps 完全一样(问题的 id 就对应步骤的 stepId),所以直接复用同一段转换:一个问题就是一步,于是「按 id 逐条回填 / 部分回填 / 全部填完才算完成」这些行为都不必再写一遍。
private static java.util.List<Kv> questionListOf(com.alibaba.fastjson2.JSONArray questions) {
return stepListOf(questions);
}
展开 askUser 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo askUser(Long browserId, List<Kv> questions, Integer timeoutSeconds, Long expiresAt,
Integer expiresInSeconds) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
if (questions == null || questions.isEmpty()) {
return RespBodyVo.fail("ask_user 需要 questions(至少一个问题,每个问题要有 id 与 question)");
}
for (int i = 0; i < questions.size(); i++) {
Kv question = questions.get(i);
if (question == null || question.getStr("id") == null || question.getStr("id").isBlank()) {
return RespBodyVo.fail("ask_user 第 " + (i + 1) + " 个问题缺少 id:答复要按 id 回填,没有 id 就对不上");
}
if (question.getStr("question") == null || question.getStr("question").isBlank()) {
return RespBodyVo.fail("ask_user 第 " + (i + 1) + " 个问题缺少 question");
}
}
long now = System.currentTimeMillis();
long deadline = humanDeadline(now, timeoutSeconds, expiresAt, expiresInSeconds);
String requestId = "aq-" + inst.humanSeq.incrementAndGet() + "-" + SnowflakeIdUtils.id();
List<Kv> steps = new ArrayList<>();
List<String> ids = new ArrayList<>();
for (Kv question : questions) {
String id = question.getStr("id");
Kv step = Kv.by("stepId", id).set("prompt", question.getStr("question")).set("status", "pending")
.set("answer", null);
if (question.get("header") != null) {
step.set("header", question.get("header"));
}
if (question.get("options") != null) {
step.set("options", question.get("options"));
}
if (question.get("multiSelect") != null) {
step.set("multiSelect", question.get("multiSelect"));
}
steps.add(step);
ids.add(id);
}
String prompt = "请回答 " + steps.size() + " 个问题:" + String.join(" / ", ids);
Kv request = Kv.by("requestId", requestId).set("prompt", prompt).set("status", "pending").set("answer", null)
.set("createdAt", now).set("expiresAt", deadline).set("kind", "ask_user").set("steps", steps);
inst.humanRequests.put(requestId, request);
Kv data = Kv.by("requestId", requestId).set("prompt", prompt).set("expiresAt", deadline)
.set("expiresInSeconds", Math.max(0, (deadline - now) / 1000)).set("questions", questions)
.set("questionIds", ids);
if (deadline <= now) {
request.set("status", "expired");
data.set("status", "expired").set("note", "expiresAt 已经过去了,这个提问没有生效;请重新发起");
return RespBodyVo.ok(data);
}
// 与 request_human_input 不同:纯问答**不抢焦点**。人可能正看着别处,而这个问题不要求他去看页面
return RespBodyVo.ok(data);
}
展开 askUserAnswers / optionLabels 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。把逐条答复整理成与模型侧提问工具同形的 [{id, selected[], custom?}]。调用方回填一个字符串时,能对上某个选项 label 的算「选了那一项」,对不上的算「自己输入的」——这个区分在回填时是明确的,分错了下游就得自己猜。
static JSONArray askUserAnswers(List<Kv> steps) {
JSONArray out = new JSONArray();
for (Kv step : steps) {
JSONObject one = new JSONObject();
one.put("id", step.getStr("stepId"));
List<String> selected = new ArrayList<>();
String custom = null;
Object raw = step.get("answer");
if (raw instanceof List) {
for (Object item : (List<?>) raw) {
selected.add(String.valueOf(item));
}
} else if (raw != null) {
String text = String.valueOf(raw);
for (String label : optionLabels(step)) {
if (label.equals(text)) {
selected.add(label);
break;
}
}
if (selected.isEmpty()) {
custom = text;
}
}
one.put("selected", selected);
if (custom != null) {
one.put("custom", custom);
}
out.add(one);
}
return out;
}
/** 某个问题的选项标签:选项允许写成字符串或 {@code {label, description}} 两种形态 */
private static List<String> optionLabels(Kv step) {
List<String> labels = new ArrayList<>();
Object raw = step.get("options");
if (!(raw instanceof List)) {
return labels;
}
for (Object item : (List<?>) raw) {
if (item instanceof Map) {
Object label = ((Map<?, ?>) item).get("label");
if (label != null) {
labels.add(String.valueOf(label));
}
} else if (item != null) {
labels.add(String.valueOf(item));
}
}
return labels;
}
get_human_input
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("get_human_input",
(svc, id, a) -> svc.getHumanInput(id, reqStr(a, "requestId"), a.getInteger("timeoutSeconds")));
展开 getHumanInput 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo getHumanInput(Long browserId, String requestId, Integer timeoutSeconds) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
Kv request = inst.humanRequests.get(requestId);
if (request == null) {
return RespBodyVo.fail("get_human_input 没有这个请求: " + requestId);
}
long deadline = timeoutSeconds == null || timeoutSeconds <= 0 ? 0
: System.currentTimeMillis() + timeoutSeconds * 1_000L;
while ("pending".equals(humanStatus(request)) && System.currentTimeMillis() < deadline) {
sleepQuietly(500);
}
String status = humanStatus(request);
Kv data = Kv.by("requestId", requestId).set("status", status).set("answer", request.get("answer"))
.set("prompt", request.get("prompt")).set("expiresAt", request.get("expiresAt"));
List<Kv> steps = stepList(request);
if (!steps.isEmpty()) {
data.set("steps", steps);
boolean anyAnswered = false;
for (Kv step : steps) {
if ("answered".equals(step.getStr("status"))) {
anyAnswered = true;
break;
}
}
if (anyAnswered && "pending".equals(status)) {
data.set("status", "partial");
status = "partial";
}
}
if ("ask_user".equals(request.getStr("kind"))) {
// 除了逐条的 steps,再给一份与模型侧提问工具同形的 answers:
// 调用方拿到的就是它熟悉的那个结构,不必自己把 steps 再拼一遍
data.set("answers", askUserAnswers(steps));
}
if ("expired".equals(status)) {
data.set("expired", true)
.set("hint", "这个人工请求已经过期:二维码/短信码这类有短时效的凭证通常也已经失效,"
+ "请重新发起 request_human_input(可以用 expiresAt 明确告诉它什么时候过期)");
}
return RespBodyVo.ok(data);
}
submit_human_input
展开参数注册
源码:playwright-server/src/main/java/nexus/io/ai/browser/actions/registry/CommandTable.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
put("submit_human_input", (svc, id, a) -> svc.submitHumanInput(id, reqStr(a, "requestId"),
optStrRaw(a, "answer"), optStr(a, "stepId"), a.getJSONObject("answers")));
展开 submitHumanInput 实现
源码:playwright-server/src/main/java/nexus/io/ai/browser/service/PlaywrightService.java。以下为当前实现,可放回原类中阅读;依赖同类字段和辅助方法,并非独立编译单元。
public RespBodyVo submitHumanInput(Long browserId, String requestId, String answer, String stepId,
JSONObject answers) {
BrowserInstance inst = INSTANCES.get(browserId);
if (inst == null) {
return notFound(browserId);
}
Kv request = inst.humanRequests.get(requestId);
if (request == null) {
return RespBodyVo.fail("submit_human_input 没有这个请求: " + requestId);
}
long now = System.currentTimeMillis();
List<Kv> steps = stepList(request);
// 多步待办:必须按 stepId / answers 逐条回填 —— 直接给一个 answer 说不清它对应哪一步,静默接受
// 只会让剩下的步骤一直挂在 pending 上,所以这里明确报错并给出待办清单
if (!steps.isEmpty()) {
Map<String, Object> filled = new LinkedHashMap<>();
if (answers != null) {
for (String key : answers.keySet()) {
// 不把值强转成字符串:多选题的答复是一个数组(选了哪几项),强转会把选项信息压扁
filled.put(key, answers.get(key));
}
}
if (stepId != null) {
filled.put(stepId, answer);
}
if (filled.isEmpty()) {
List<String> pendingIds = new ArrayList<>();
for (Kv step : steps) {
pendingIds.add(step.getStr("stepId") + "(" + step.getStr("prompt") + ")");
}
return RespBodyVo.fail("submit_human_input 这条请求有 " + steps.size() + " 个待办步骤,"
+ "请用 stepId 指定回填哪一步,或用 answers 一次回填多步。待办:" + String.join(" / ", pendingIds));
}
List<String> unknown = new ArrayList<>();
for (Map.Entry<String, Object> entry : filled.entrySet()) {
Kv target = null;
for (Kv step : steps) {
if (entry.getKey().equals(step.getStr("stepId"))) {
target = step;
break;
}
}
if (target == null) {
unknown.add(entry.getKey());
continue;
}
target.set("answer", entry.getValue()).set("status", "answered").set("answeredAt", now);
}
if (!unknown.isEmpty()) {
return RespBodyVo.fail("submit_human_input 不认识的 stepId: " + String.join(" / ", unknown));
}
boolean allDone = true;
List<Kv> pendingSteps = new ArrayList<>();
for (Kv step : steps) {
if (!"answered".equals(step.getStr("status"))) {
allDone = false;
pendingSteps.add(Kv.by("stepId", step.getStr("stepId")).set("prompt", step.getStr("prompt")));
}
}
if (allDone) {
request.set("status", "answered").set("answeredAt", now);
}
Kv data = Kv.by("requestId", requestId)
.set("status", allDone ? "answered" : "partial").set("steps", steps);
if (!allDone) {
data.set("pendingSteps", pendingSteps)
.set("note", "还有 " + pendingSteps.size() + " 步没回填;全部回填后 status 才是 answered");
}
return RespBodyVo.ok(data);
}
if (answer == null) {
return RespBodyVo.fail("submit_human_input 需要 answer(或用 stepId / answers 逐条回填)");
}
request.set("answer", answer).set("status", "answered").set("answeredAt", now);
return RespBodyVo.ok(Kv.by("requestId", requestId).set("status", "answered").set("answer", answer));
}
