写给上游维护者。我是 GiftedScout，fork 在 https://github.com/GiftedScout/GenericAgent 。
这段时间我主要在 GA 上跑长任务，遇到问题就顺着代码往下查，能复现根因的我直接在自己的 fork 上修了，修不了的整理成问题。这份文档分两部分：第一部分是已经改好、可以提 PR 的修复，第二部分是我认为需要讨论的问题。所有 commit 都在我 fork 的 main 分支上，测试全部实际跑过，不是编译通过就算数。
我一直很赞成GA的理念：主提示词很克制，没有堆砌，模型能用的上下文余量比很多同类工具大；另外 llmcore、agent_loop、TUI 都是可读的纯 Python，问题能一路追到底层 SSE 解析，这是我能快速定位这些根因的前提。下面的问题我理解多半是迭代中各自为战、缺一条统一契约造成的，不是谁写得差。
对照说明：上游 origin/main 在我分叉点（f6e5657）之后只加了 6 个提交（abort 唤醒、TTFT、hub 之类），和下面的改动没有冲突。所有修复目前都只在我 fork 里，上游一行没合。
第一部分里我把修复分了 A、B 两类：
- A 类：修的是 origin 原生代码就有的 bug。cherry-pick 到我 fork 的对应 commit 就能合，不依赖任何 fork 私有代码。
- B 类：修的是我自己在 fork 上加的机制里的问题，或者现象在 origin 存在但解法是我从零搭的。
第一部分：已经修好的（可提 PR）
A 类：origin 原生 bug，可以直接合并
1. 多模态图片输入被静默丢弃
这个我觉得是最严重的一个。给 多模态模型贴图片，模型根本看不见图，只能靠 ocr 工具兜底，结果时好时坏。
根因是 origin 代码里三处串联：
- agentmain.py 的 run() 里 task["images"] 取出来之后从来没有被用过，发给模型的只有 TUI 展开出来的路径文本，图像字节根本没进请求；
- llmcore.py 的 _to_responses_input()（origin 大约 579 行）只认 image_url 块，Claude 风格的 image 块被直接丢掉，所以走 responses 端点的多模态模型永远收不到图；
- NativeToolClient.chat() 里过滤空白文本块的逻辑，会把没有 text 键的图片块一起过滤掉。
修复就是三处对应改：run() 把图片按 Claude 风格块并进首条用户消息；_to_responses_input 加 image 块到 input_image 的转换；过滤器改成保留所有非 text 块。commit 是 28f71c4。
验证：tests/test_fixes_multimodal_cache.py 22 个断言，另外我做了端到端验证——图片字节穿透整条链路送到线上模型，让模型读出只存在于图里、prompt 里根本没有的字符串，读出来了。
局限：音频视频这类非图片多模态还是没打通，这个归到第二部分的问题 11 了。
2. responses 模式不回显思考
DeepSeek 这类走 responses 端点的模型，思考完全不显示；同一个模型换 chat_completions 端点就正常。根因是 llmcore.py 里 responses 分支对 reasoning_text.delta 只做累积，从来不对显示流 yield；chat_completions 分支是有完整信封的，两个分支行为不一致。修复就是让 responses 分支对齐：流式思考始终上屏（前端折叠窗口防刷屏），是否入库仍然由 omit_thinking 决定。也在 28f71c4 里，回归测试有字节级一致断言。
3. 激进压缩打断前缀缓存，反而更贵
DeepSeek 这种缓存命中价很低、未命中很贵的模型，实际成本一直比预期高。查下来是 trim_messages_history() 每 7 轮就对旧消息做原地截断，前缀每轮都在变，前缀缓存持续失效，等于每轮都按全价 input 付钱。修复：没超过 cap 就绝不改写历史（前缀逐字节稳定就能命中缓存），真正超限才压缩加裁剪。也是 28f71c4，回归断言"未超限历史字节不变、超限能收缩"。
4. responses 分支漏传 temperature
chat 分支传 temperature，responses 分支漏了。官方 Responses API 是支持这个字段的（默认 1.0），所以用户在配置里写的 temperature 对所有 responses 端点是静默失效的。665604a 修的。验证：tests/test_responses_payload.py 用 monkeypatch 捕获真实 payload，5 个断言。
5. reasoning_effort 白名单拒绝 ultra
_enum 的白名单只有 none/minimal/low/medium/high/xhigh/max，GPT-5.6 新加的 ultra 档位被静默丢掉，只打一行 WARN。665604a 一起修的，回归断言 reasoning.effort 原样透传 ultra。
6. TUI 长 URL 被折行打断，Ctrl+点击失效
正文里的长 http 链接会被 CJK 换行补丁从中间折断（比如 ...docs/s 换行 ome/...），终端就不认它是链接了，Ctrl+点击打不开。根因是 frontends/tuiapp_v2.py 里替换 Rich 原生换行的 CJK 补丁（_cjk_divide_line / _cjk_compute_wrap_offsets）对没有 CJK 的长词（就是 URL）逐字符折行。修复：加 _url_fold()，URL 只在 / 边界折行，接进两条换行路径。665604a。我用 60 列无头渲染复现过：修复前 URL 从中间断，修复后在 / 边界完整折行。
B 类：fork 侧机制，作为特性提案或者留 fork 自用
7. 长轮次后记忆吞掉对用户的回答
现象：长任务跑完，用户最后看到的不是回答，而是 L1/L2 记忆内容。推理型模型（Qwen）是中间轮次已经回答了，结算工具一触发，记忆输出把它盖掉了；非推理型模型（GPT）干脆连回答都没了。
这个现象在 origin 上就会发生：origin ga.py 527 行的 do_start_long_term_update 把结算提示词作为一条新的 user 消息注入，模型会当成面向用户的请求来答；而且结算轮的文本走的是普通显示通道，物理上就覆盖了主回答。
但要说明清楚：origin 没有任何结算显示隔离机制（我查过，origin 的 agentmain.py 和 agent_loop.py 里 settlement 相关代码是零处）。下面这套方案是 fork 从零搭的，不是对 origin 某段代码的修改：
- agent_loop 在答案轮末 yield 一个 settlement 标记，agentmain 的显示累积抽成 iter_display_events()，收到标记就冻结显示通道——记忆维护文本只进 history（审计还在），不进 TUI 显示；
- TUI 的 spinner 在结算期间切成琥珀色的"记忆结算中…（耗时、第几轮）"状态，结束自动恢复，/continue 重放也不会再注入答案文本；
- 中间还修了我自己 fork 的一个隐蔽回归（32a2ed2）：结算分支引用了一个不存在的常量 C_YELLOW，NameError 被 spinner 的 try/except 吞了，表现就是旧的文字冻结在那儿不刷新，未保护的路径还会把 Textual 直接炸崩。这条只跟 fork 有关。
相关 commit：28f71c4（提示词部分）、665604a（通道冻结）、cddcc5d 和 e8388f8（结算 UI 状态）、32a2ed2（NameError）。验证：tests/test_settlement_display.py 25 个断言，驱动的是真实的 iter_display_events 代码路径；tests/test_settling_spinner_render.py 防 spinner 回归。
如果认同"结算不该覆盖用户答案"这个方向，这套机制可以整体作为特性 PR。最小可移植的版本是一行提示词修改（28f71c4 里那部分，直接就能用）加显示通道冻结（大约 130 行）。
8. 思考信封对正文里的字面思考标签串敏感
先交代背景：思考显示信封（_visible_content / _disp_think_escape 这套）是我 fork 加的，origin 的 llmcore 里这些符号一处都没有。所以这条 bug 和它的修复都发生在 fork 机制内部，没法直接 cherry-pick 到 origin。
fork 的思考信封出过两起事故：一次是 CoT 尾段加工具调用刷屏，一次是答案尾部被吞成思考。查下来比"正文没做转义"更深一层：SSE 分帧会把标签字面量拆成两半，逐帧转义对半个标签是失效的，两半在显示流里重组之后，TUI 的配对正则提前闭合了思考信封。我在真实流里实测过，9 处标签 8 处被帧边界拆开。
修复是 6fb6034 的锚定式拆分器（标签只在流首或换行后翻转状态，行中的、反引号包着的都当字面量放行），加 f6eaf8e 的跨帧回卷缓冲（尾部可能是标签前缀的部分留到下一帧拼齐再整体转义，流末 flush 原样输出，防止把 a < b 这种误伤）。验证：tests/test_think_anchor.py 24 个断言全过，真实流回放里 CoT 泄漏从 4 处清零，答案完整。
残余问题：CoT 里"独占一行的裸闭标签"还是会被锚定规则当成边界。真实模型引用标签都会用反引号，只有恶意 prompt 能触发；彻底解法是流末重算，但那样答案要延迟到流尾，UX 不划算，我没做。
这部分的价值在于：如果上游将来要给 origin 加思考流式显示，这套锚定加跨帧缓冲的设计可以直接采用，能少走我踩的弯路。
9. SSH 隧道自愈是死代码
这条也是 fork 基础设施：SSH 隧道是我 fork 加的。但值得提，因为 origin 的 _stream_with_retry 把一切异常吞掉、转成 yield 的错误字符串这个模式是两边同源的，origin 将来加任何重试场景都会踩同一个坑。
具体说：raw_ask 里写了"Connection refused 时重建隧道"的自愈分支，但因为异常到不了 raw_ask，这段是死代码；而且触发条件只匹配 refused，漏掉了 reset/aborted/RemoteDisconnected/Broken pipe 这些流中断。修复是把隧道重建下沉到重试路径，命中隧道死亡签名集且配置了 ssh_tunnel 时，重试前先重建，复用现有重试预算。aedce34。验证：tests/test_tunnel_selfheal.py 13 个断言，monkeypatch 注入故障，不依赖真实 ssh 和网络。
10. fork 侧功能增强（不请求合并，说一下现状）
- /continue 手动重放会话（f129cbe），对应第二部分问题 10 的半解决；
- /addkey 免开 mykey.py 直接加端点，加 native_config 单字典布局和迁移向导（9f8cb12、e717ec9、10dd469、3d5d97f，mykey_admin.py 是 fork 新文件），对应问题 12 的半解决；
- 粘贴图片直传加 ocr 工具纯本地化（ca8fbc7，media_api.py 是 fork 新文件）。
测试全集：test_fixes_multimodal_cache.py（22）、test_tunnel_selfheal.py（13）、test_responses_payload.py（5）、test_settlement_display.py（25）、test_settling_spinner_render.py（2）、test_think_anchor.py（24）、test_media_tools.py（11）、test_addkey_tui.py、test_mykey_provider_dict.py，都在 fork 的 tests/ 下，全部实际跑过。A 类 6 项的测试可以随 PR 原样提交。
第二部分：想讨论的问题
1. responses 分支硬编码了 Codex CLI 专属字段
origin llmcore.py 526-527 行，responses 分支写死了 prompt_cache_key、client_metadata（x-codex-window-id / x-codex-installation-id）、include 里的 reasoning.encrypted_content。这明显是按 Codex CLI 抄的，对通用的 OpenAI Responses 兼容端点并不是必需的。
我暂时保留了：日志里的 400 全是 context size 超限，没有字段被拒的证据，而且 prompt_cache_key 对缓存命中是有帮助的。建议按端点门控——api_base 含 openai.com 或者显式配 codex_compat: true 才带这些字段，其他端点不带。这个需要你来定。
2. 输出撞到 max_tokens 没有自动续写
finish_reason 是 length 的时候，现在的行为是追加一个截断标记然后本轮结束，没有"接着上文继续"。fork 里我加了 /continue 可以手动重放（f129cbe），重放视图和实时显示一致，但自动续写还是没有。
这里有个容易忽略的点：思考也吃这个预算（官方文档确认 max_output_tokens 包含推理 token）。思考型模型（比如 qwen 系开 xhigh）长轮次里光是思考就能吃满，正文还没开始就被掐断了。更麻烦的是截断如果落在工具调用参数中间，json.loads 直接炸，整轮报错。
建议：截断时自动发一个"从断点继续"的续写请求；至少也要对 length 截断的 tool-call 参数做完整性检查再入队。
3. 多模态只有图片通道
音频、视频输入没有对应的协议路径（chat 的 input_audio、responses 的 input_file 都没实现），非图片多模态只能靠本地工具兜底。属于设计缺口。建议按端点能力显式探测（/v1/models 的 capabilities，或者配置里显式声明）再决定路由，不要默认全都有或者都没有。
4. 配置全靠手改 mykey.py
key、上下文窗口、模型名（大小写和连字符都是敏感的）都靠手改文件。_enum 遇到非法值只打一行 WARN 就忽略了，错误是静默的
fork 里我已经做了 /addkey 和 native_config 向导，不用开文件就能加端点。还缺的是 /models 或者类似的配置检查命令：列出已配置的端点、连通性探测结果、非法字段清单。
5. Wayland 下桌面操控能力不完整
我本机 XDG_SESSION_TYPE=wayland，键鼠控制依赖 win32/X11 路径，在 Wayland 下能力是残缺的。建议加 wlr / hyprctl / ydotool 或者 AT-SPI2 后端；如果短期不做，至少探测到 Wayland 环境时明确提示一句，不要静默失败。
6. 浏览器桥接的登录态不保留
TMWebDriver（ws:18765）没有 token，登录态依赖真实浏览器 profile，很多站点操作几下就掉登录。建议桥接侧支持持久化 profile 目录加 cookie 存储，或者让用户复用日常浏览器的 profile 并显式声明风险。
7. 产物全堆在 temp/，难找也预览不了
模型经常把最终汇报和结果写进 temp/，事后不好检索，也预览不了。建议约定一个 deliverables/ 输出目录，加个索引或者 /deliverables 命令，长报告落盘成 md 并给出可预览的路径。
最后希望GA能在设计上加快进步，codex类闭源生态需要自己适应而不能自定义，dsh类破坏性更新太多还不稳定，也是我坚持在GA自改进的原因
写给上游维护者。我是 GiftedScout，fork 在 https://github.com/GiftedScout/GenericAgent 。
这段时间我主要在 GA 上跑长任务，遇到问题就顺着代码往下查，能复现根因的我直接在自己的 fork 上修了，修不了的整理成问题。这份文档分两部分：第一部分是已经改好、可以提 PR 的修复，第二部分是我认为需要讨论的问题。所有 commit 都在我 fork 的 main 分支上，测试全部实际跑过，不是编译通过就算数。
我一直很赞成GA的理念：主提示词很克制，没有堆砌，模型能用的上下文余量比很多同类工具大；另外 llmcore、agent_loop、TUI 都是可读的纯 Python，问题能一路追到底层 SSE 解析，这是我能快速定位这些根因的前提。下面的问题我理解多半是迭代中各自为战、缺一条统一契约造成的，不是谁写得差。
对照说明：上游 origin/main 在我分叉点（f6e5657）之后只加了 6 个提交（abort 唤醒、TTFT、hub 之类），和下面的改动没有冲突。所有修复目前都只在我 fork 里，上游一行没合。
第一部分里我把修复分了 A、B 两类：
第一部分：已经修好的（可提 PR）
A 类：origin 原生 bug，可以直接合并
1. 多模态图片输入被静默丢弃
这个我觉得是最严重的一个。给 多模态模型贴图片，模型根本看不见图，只能靠 ocr 工具兜底，结果时好时坏。
根因是 origin 代码里三处串联：
修复就是三处对应改：run() 把图片按 Claude 风格块并进首条用户消息；_to_responses_input 加 image 块到 input_image 的转换；过滤器改成保留所有非 text 块。commit 是 28f71c4。
验证：tests/test_fixes_multimodal_cache.py 22 个断言，另外我做了端到端验证——图片字节穿透整条链路送到线上模型，让模型读出只存在于图里、prompt 里根本没有的字符串，读出来了。
局限：音频视频这类非图片多模态还是没打通，这个归到第二部分的问题 11 了。
2. responses 模式不回显思考
DeepSeek 这类走 responses 端点的模型，思考完全不显示；同一个模型换 chat_completions 端点就正常。根因是 llmcore.py 里 responses 分支对 reasoning_text.delta 只做累积，从来不对显示流 yield；chat_completions 分支是有完整信封的，两个分支行为不一致。修复就是让 responses 分支对齐：流式思考始终上屏（前端折叠窗口防刷屏），是否入库仍然由 omit_thinking 决定。也在 28f71c4 里，回归测试有字节级一致断言。
3. 激进压缩打断前缀缓存，反而更贵
DeepSeek 这种缓存命中价很低、未命中很贵的模型，实际成本一直比预期高。查下来是 trim_messages_history() 每 7 轮就对旧消息做原地截断，前缀每轮都在变，前缀缓存持续失效，等于每轮都按全价 input 付钱。修复：没超过 cap 就绝不改写历史（前缀逐字节稳定就能命中缓存），真正超限才压缩加裁剪。也是 28f71c4，回归断言"未超限历史字节不变、超限能收缩"。
4. responses 分支漏传 temperature
chat 分支传 temperature，responses 分支漏了。官方 Responses API 是支持这个字段的（默认 1.0），所以用户在配置里写的 temperature 对所有 responses 端点是静默失效的。665604a 修的。验证：tests/test_responses_payload.py 用 monkeypatch 捕获真实 payload，5 个断言。
5. reasoning_effort 白名单拒绝 ultra
_enum 的白名单只有 none/minimal/low/medium/high/xhigh/max，GPT-5.6 新加的 ultra 档位被静默丢掉，只打一行 WARN。665604a 一起修的，回归断言 reasoning.effort 原样透传 ultra。
6. TUI 长 URL 被折行打断，Ctrl+点击失效
正文里的长 http 链接会被 CJK 换行补丁从中间折断（比如 ...docs/s 换行 ome/...），终端就不认它是链接了，Ctrl+点击打不开。根因是 frontends/tuiapp_v2.py 里替换 Rich 原生换行的 CJK 补丁（_cjk_divide_line / _cjk_compute_wrap_offsets）对没有 CJK 的长词（就是 URL）逐字符折行。修复：加 _url_fold()，URL 只在 / 边界折行，接进两条换行路径。665604a。我用 60 列无头渲染复现过：修复前 URL 从中间断，修复后在 / 边界完整折行。
B 类：fork 侧机制，作为特性提案或者留 fork 自用
7. 长轮次后记忆吞掉对用户的回答
现象：长任务跑完，用户最后看到的不是回答，而是 L1/L2 记忆内容。推理型模型（Qwen）是中间轮次已经回答了，结算工具一触发，记忆输出把它盖掉了；非推理型模型（GPT）干脆连回答都没了。
这个现象在 origin 上就会发生：origin ga.py 527 行的 do_start_long_term_update 把结算提示词作为一条新的 user 消息注入，模型会当成面向用户的请求来答；而且结算轮的文本走的是普通显示通道，物理上就覆盖了主回答。
但要说明清楚：origin 没有任何结算显示隔离机制（我查过，origin 的 agentmain.py 和 agent_loop.py 里 settlement 相关代码是零处）。下面这套方案是 fork 从零搭的，不是对 origin 某段代码的修改：
相关 commit：28f71c4（提示词部分）、665604a（通道冻结）、cddcc5d 和 e8388f8（结算 UI 状态）、32a2ed2（NameError）。验证：tests/test_settlement_display.py 25 个断言，驱动的是真实的 iter_display_events 代码路径；tests/test_settling_spinner_render.py 防 spinner 回归。
如果认同"结算不该覆盖用户答案"这个方向，这套机制可以整体作为特性 PR。最小可移植的版本是一行提示词修改（28f71c4 里那部分，直接就能用）加显示通道冻结（大约 130 行）。
8. 思考信封对正文里的字面思考标签串敏感
先交代背景：思考显示信封（_visible_content / _disp_think_escape 这套）是我 fork 加的，origin 的 llmcore 里这些符号一处都没有。所以这条 bug 和它的修复都发生在 fork 机制内部，没法直接 cherry-pick 到 origin。
fork 的思考信封出过两起事故：一次是 CoT 尾段加工具调用刷屏，一次是答案尾部被吞成思考。查下来比"正文没做转义"更深一层：SSE 分帧会把标签字面量拆成两半，逐帧转义对半个标签是失效的，两半在显示流里重组之后，TUI 的配对正则提前闭合了思考信封。我在真实流里实测过，9 处标签 8 处被帧边界拆开。
修复是 6fb6034 的锚定式拆分器（标签只在流首或换行后翻转状态，行中的、反引号包着的都当字面量放行），加 f6eaf8e 的跨帧回卷缓冲（尾部可能是标签前缀的部分留到下一帧拼齐再整体转义，流末 flush 原样输出，防止把 a < b 这种误伤）。验证：tests/test_think_anchor.py 24 个断言全过，真实流回放里 CoT 泄漏从 4 处清零，答案完整。
残余问题：CoT 里"独占一行的裸闭标签"还是会被锚定规则当成边界。真实模型引用标签都会用反引号，只有恶意 prompt 能触发；彻底解法是流末重算，但那样答案要延迟到流尾，UX 不划算，我没做。
这部分的价值在于：如果上游将来要给 origin 加思考流式显示，这套锚定加跨帧缓冲的设计可以直接采用，能少走我踩的弯路。
9. SSH 隧道自愈是死代码
这条也是 fork 基础设施：SSH 隧道是我 fork 加的。但值得提，因为 origin 的 _stream_with_retry 把一切异常吞掉、转成 yield 的错误字符串这个模式是两边同源的，origin 将来加任何重试场景都会踩同一个坑。
具体说：raw_ask 里写了"Connection refused 时重建隧道"的自愈分支，但因为异常到不了 raw_ask，这段是死代码；而且触发条件只匹配 refused，漏掉了 reset/aborted/RemoteDisconnected/Broken pipe 这些流中断。修复是把隧道重建下沉到重试路径，命中隧道死亡签名集且配置了 ssh_tunnel 时，重试前先重建，复用现有重试预算。aedce34。验证：tests/test_tunnel_selfheal.py 13 个断言，monkeypatch 注入故障，不依赖真实 ssh 和网络。
10. fork 侧功能增强（不请求合并，说一下现状）
测试全集：test_fixes_multimodal_cache.py（22）、test_tunnel_selfheal.py（13）、test_responses_payload.py（5）、test_settlement_display.py（25）、test_settling_spinner_render.py（2）、test_think_anchor.py（24）、test_media_tools.py（11）、test_addkey_tui.py、test_mykey_provider_dict.py，都在 fork 的 tests/ 下，全部实际跑过。A 类 6 项的测试可以随 PR 原样提交。
第二部分：想讨论的问题
1. responses 分支硬编码了 Codex CLI 专属字段
origin llmcore.py 526-527 行，responses 分支写死了 prompt_cache_key、client_metadata（x-codex-window-id / x-codex-installation-id）、include 里的 reasoning.encrypted_content。这明显是按 Codex CLI 抄的，对通用的 OpenAI Responses 兼容端点并不是必需的。
我暂时保留了：日志里的 400 全是 context size 超限，没有字段被拒的证据，而且 prompt_cache_key 对缓存命中是有帮助的。建议按端点门控——api_base 含 openai.com 或者显式配 codex_compat: true 才带这些字段，其他端点不带。这个需要你来定。
2. 输出撞到 max_tokens 没有自动续写
finish_reason 是 length 的时候，现在的行为是追加一个截断标记然后本轮结束，没有"接着上文继续"。fork 里我加了 /continue 可以手动重放（f129cbe），重放视图和实时显示一致，但自动续写还是没有。
这里有个容易忽略的点：思考也吃这个预算（官方文档确认 max_output_tokens 包含推理 token）。思考型模型（比如 qwen 系开 xhigh）长轮次里光是思考就能吃满，正文还没开始就被掐断了。更麻烦的是截断如果落在工具调用参数中间，json.loads 直接炸，整轮报错。
建议：截断时自动发一个"从断点继续"的续写请求；至少也要对 length 截断的 tool-call 参数做完整性检查再入队。
3. 多模态只有图片通道
音频、视频输入没有对应的协议路径（chat 的 input_audio、responses 的 input_file 都没实现），非图片多模态只能靠本地工具兜底。属于设计缺口。建议按端点能力显式探测（/v1/models 的 capabilities，或者配置里显式声明）再决定路由，不要默认全都有或者都没有。
4. 配置全靠手改 mykey.py
key、上下文窗口、模型名（大小写和连字符都是敏感的）都靠手改文件。_enum 遇到非法值只打一行 WARN 就忽略了，错误是静默的
fork 里我已经做了 /addkey 和 native_config 向导，不用开文件就能加端点。还缺的是 /models 或者类似的配置检查命令：列出已配置的端点、连通性探测结果、非法字段清单。
5. Wayland 下桌面操控能力不完整
我本机 XDG_SESSION_TYPE=wayland，键鼠控制依赖 win32/X11 路径，在 Wayland 下能力是残缺的。建议加 wlr / hyprctl / ydotool 或者 AT-SPI2 后端；如果短期不做，至少探测到 Wayland 环境时明确提示一句，不要静默失败。
6. 浏览器桥接的登录态不保留
TMWebDriver（ws:18765）没有 token，登录态依赖真实浏览器 profile，很多站点操作几下就掉登录。建议桥接侧支持持久化 profile 目录加 cookie 存储，或者让用户复用日常浏览器的 profile 并显式声明风险。
7. 产物全堆在 temp/，难找也预览不了
模型经常把最终汇报和结果写进 temp/，事后不好检索，也预览不了。建议约定一个 deliverables/ 输出目录，加个索引或者 /deliverables 命令，长报告落盘成 md 并给出可预览的路径。
最后希望GA能在设计上加快进步，codex类闭源生态需要自己适应而不能自定义，dsh类破坏性更新太多还不稳定，也是我坚持在GA自改进的原因