wangyukun/PRA-only-demo
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
9b76dc6987
PRA-only-demo/docs/rpa-core-migration-guide-v2.md

42 KiB
Raw Blame History

Agent-Employee RPA 迁入指南 V2（基于双侧真实源码核查）

文档性质：对 docs/rpa-core-migration-guide.md（V1）的全面修订版。 核查基线：2026-11-06，双侧真实工作区源码（非快照 ZIP、非审查报告转述）—— RPA 侧 D:/code/PRA-only-demo（main，工作区干净）、宿主侧 D:/code/Agent-Employee。 与 V1 的逐条差异及审查报告修正记录见 docs/rpa-core-migration-guide-v2-diff.md。 状态标记约定：已实现（代码在库）/ 部分实现 / 仅契约（有类型无实现）/ 设计中 / 未实现 / 待确认（不允许猜测）。

0. V2 核心结论（先读这个）

  1. 宿主底座已大变，V1 的"空壳契约"叙事大部分失效。 V1 说对面 7 个契约包每个只有 1-9 个声明文件、windows-runner 是 0 源文件空壳。实测（2026-11-06）：7 个包中 5 个已有实质实现（workflow-engine 25 文件、capability-gateway 321 行、browser-plugin 已接 Playwright、windows-plugin 新增原生观察适配器、runtime-governance 有 readiness 投影），windows-runner 有真实 C# 原生实现（.NET 10 + FlaUI UIA3，observe-only）。仍无实现的只剩两处：computer-control 的 Runner、windows-plugin 的 WindowsRunner.click/type。 → 迁入的本质从 V1 的"拿实现去填契约"变为**"接底座 + 给已有实现让路"**：不重复造 workflow 状态机、不重复造 Playwright 浏览器、不重复造 UIA 观察。
  2. RPA 侧此轮整改完成了一部分：平台标记单一源（PLATFORM_GROUPS 34 域 + 守卫测试）、驱动按平台自动选择（platform_unsupported）、catalog platformTag 687 项首次生效、5 个真桌面测试补平台守卫、driver/platform.ts 收拢。但接入前 P0 大部分未解决：createEngine() 仍无注入参数、Registry 仍是进程级全局、超时不中止底层操作、取消被标为 failed、5 处动态 import("electron") 残留、包依赖缺 3 项。
  3. 迁入位置与名称维持 V1 结论：code/backend/packages/rpa-core → @agent-worker/rpa-core，backend workspace（bun@1.4.3，workspaces 含 packages/*）放进去即生效，backend 全家统一 @agent-worker/* 前缀、workspace:* 源码消费。
  4. 两条硬边界不变且加严（用户红线）：
    • 所有带副作用的能力必须经 capability-gateway（授权→租约→幂等→执行→审计），不得绕行；
    • rpa-core 不得依赖 Electron 主进程（当前仍有 5 处动态 import，是接入阻塞项）。
  5. 6 项 ADR 全部拍板（2026-11-06），仅剩 2 个小问题（Q1/Q2）需对面口头确认，详见 §10。已定基调：
    • R3 桌面执行：C# 路线——五域执行逻辑移植进 windows-runner 原生进程，PowerShell 通道仅限本 demo。
    • R6 部署拓扑：按能力域拆分——纯 Node 域进 backend plugin-worker，桌面/视觉/弹窗域装用户电脑 Electron 宿主，同一包按分组加载。
    • R1 能力清单：全局一份，权限隔离全交对面网关按租户管。
    • R4 浏览器：按场景分工——RPA 场景用咱们 CDP 接管（复用登录态/真实页面），对面 Playwright 留给 AI 智能体；白名单与证据共用对面一套。
    • R5 消费方式：源码 git subtree 并入对面仓库统一编译，Bun 锁 1.4.3。

1. 核查方法与证据基线

  • 双侧源码逐文件核查（两个独立探查通道 + 关键点人工复核），关键结论均带 文件:行号 证据。
  • 实测过的事实：import("electron") 逃过 check-deps 正则（构造用例 0 匹配）；catalog.json platformTag 分布（null=326 / win32=687 / 数字 1=3）；capabilityCount()=719；对面 capability-gateway 租约 TTL=60s、幂等表上限 4096。
  • 未验证（不写"通过"）：Windows 实机 E2E、Bun 环境 test、对面真实链路联调。
  • 审查报告（docs/RPA-Review-Full.md）与真实源码不一致处，以源码为准并记录修正理由（见 diff 文档第 2 节）。

2. RPA 侧现状事实清单（2026-11-06 实测）

# 事项 状态 证据
1 Driver 惰性 getter + 非 win32 抛 platform_unsupported 已实现 engine.ts:47-61；error-codes.ts:43；engine-driver.test.ts
2 Driver 可注入 未实现 createEngine() 无参数（engine.ts:64-66）；desktop.ts:9 等在模块加载时捕获 defaultEngine.driver
3 Registry 全局 Map、last-wins、runtime 读全局 getHandler 属实（未改） registry.ts:36-45；runtime.ts:260
4 PLATFORM_GROUPS 单一源（34 域全 win32）+ buildDomainPlatformMap 真实实现 + 守卫测试 已实现 register-all.ts:16-50,98-127；platform-groups.test.ts
5 withTimeout 监听 signal 但无 AbortController——超时不中止底层 属实（未修） runtime.ts:33-56
6 NodeState 类型含 cancelled，但 executeNode catch 把取消标成 failed 属实（未修） types.ts:142；runtime.ts:334-339
7 重试上限 100、黑名单式 isRetryable 属实（未修） runtime.ts:58-60,276
8 Graph Validator 未实现 全仓无 validateFlowGraph
9 动态 import("electron") 5 处（vision.ts×3、cv-vision.ts×2） 属实（未修） vision.ts:18,66,432；cv-vision.ts:51,213
10 check-deps.mjs 对 import("electron") 零匹配（盲区实测） 属实 check-deps.mjs:20 正则要求 import\s+
11 包依赖缺 3 项：@napi-rs/canvas、pdfjs-dist、@cantoo/pdf-lib 属实（未修） rpa-core/package.json:17-32 对比 pdf.ts/vision.ts import
12 main/exports 直指 src 源码、private 属实（决策项） rpa-core/package.json:4-11
13 rpa-cli 副作用全量 import + 全局 getHandler 属实（未改） scripts/rpa-cli.ts:25,53-59
14 CDP transport 单命令无超时/无 AbortSignal/pending 仅断连清理 属实（未修） transport.ts:96-118
15 两段式元素定位（当前页优先，失败才跟前台） 已实现 session.ts:296-307,518-523
16 locate() 不支持 xpath / Shadow DOM（与 withElement() 不一致） 属实（未修） session.ts:465-517 对比 252-287
17 HostBridge/SubflowSource 模块级单例 属实（未改） host-bridge.ts:16-24,61-69
18 AI ChatCompletionOptions 无 signal 参数 属实（未修） ai-service.ts:39-48
19 桌面拾取无 AbortSignal（热键+轮询+deadline 自有机制） 属实（未修） desktop-pick.ts 全文零 signal 命中
20 catalog platformTag：win32=687 / null=326 / 数字 1=3（脏值未清洗） 部分实现 build-catalog.mjs:245-246 对 truthy 旧值透传
21 catalog overrides（fields/removeFields/addFields） 已实现 catalog-overrides.mjs:6-24
22 能力 719 个 / 目录组件 1016（vendor 997 + native 16 + trigger 3）/ fields 4299 / 34 域 实测 platform-groups.test.ts；catalog.json counts
23 平台守卫测试 5 文件 + driver/platform.ts 唯一入口 已实现 capabilities/*.test.ts；driver/platform.ts
24 Driver 五域方法均无 AbortSignal 参数 属实（未修） driver/types.ts:87-119

3. 宿主侧（Agent-Employee）现状事实清单

契约包/服务 V1 描述 2026-11-06 实测 状态
workflow-engine 9 个声明文件，空壳 25 文件完整实现：WorkflowEngine 接口（create/start/beginStep/executeStep(runner)/completeStep/pause/resume/cancel/requestApproval/decideApproval）、状态机迁移表、Memory+PostgreSQL 双存储、recovery、REST API、worker（并发上限/取消/排空） 已实现
capability-gateway 空壳契约 321 行完整实现：authorize(ref, subjectId, policy) → CapabilityLease（TTL 60s）、execute(lease, runner)、幂等键预占/结算（上限 4096）、高影响审批精确 actionId 放行、结果 leaseId/actionId 回显校验 已实现
browser-plugin 纯契约 已接 playwright-core ^1.64.1：PlaywrightBrowserRunner 358 行（navigate/click/type/snapshot），域名白名单三重复检（导航前/落点后/动作前），证据 SHA-256 落盘；定位仅 css/aria/text（无 xpath） 已实现
windows-plugin 纯契约 契约 + 新增 native-observer.ts（292 行受信宿主适配器）：spawn C# 观察进程、证据 realpath/SHA-256/PNG 魔数校验；WindowsRunner{click;type;readText;snapshot} 接口仍无实现；manifest rpa.windows：type=highImpact，全部 idempotencyRequired 部分实现
computer-control 纯契约 未变：纯类型 + 3 纯函数（selectPreferredTarget 降级链、assertComputerActionAllowed、assertComputerResultEvidence）；5 种 target kind、6 种 action、CoordinateSpace（DPI/缩放契约已就绪） 仅契约
runtime-governance 空壳 readiness 投影实现（readiness.ts 117 行），无插件生命周期契约 部分实现
plugin-contract 纯类型 类型底座 + assertPluginManifest 校验实现；PermissionScope 13 项（browser.domain/storage、desktop.window/input/process、filesystem.workspace/download、network.http、office.document、messaging.send/read、media.generate、monitoring.capture）；CapabilityLease/ActionResult/CapabilityRef（pluginId:capabilityId） 部分实现
services/windows-runner 0 源文件空壳 17 文件真实 C# 实现（.NET 10 + FlaUI UIA3 + PrintWindow，stdin/stdout JSON 协议，只认 observe，click/type 未实现）；TS 宿主适配器校验证据 部分实现（观察半边）
plugin-registry / plugin-worker （V1 未提） registry=清单登记+版本链校验（无动态 loader）；plugin-worker=常驻执行进程，PG LISTEN/NOTIFY 认领 workflow/session 动作、租约续期、跨进程取消传播、崩溃接管→unknown。这就是对面当前的插件宿主 已实现
model-gateway （V1 未提） 21 文件实现包：ModelGateway.stream 流式调用 + ModelControlPlane（每次物理调用向 Java 控制面重新授权，短授权 60s） 已实现
Java 控制面 （V1 未提） code/backend/control-plane/：Spring Boot 4.1.1 / Java 21 / 454 个 Java 文件 / 9 Maven 模块；与 TS 面经 OpenAPI + Outbox + 短授权 grant 通信；端口 8887（Java）/8881（Admin）/8880（TS 执行面） 已实现
frontend/apps/desktop Electron+SolidJS 确认。无 RPA 宿主桥，但有等价物：identity-login-window（弹窗）、execution-context.ts（grant 桥）、zoom.ts（缩放）；DPI/坐标契约在 computer-control CoordinateSpace 与 C# Protocol.cs 部分实现

对面安全模型要点（直接影响 RPA 桌面路线）：windows-plugin 策略校验只允许 *.exe 进程名、不允许路径；native-observer.ts 设计约束明言"不执行任意 PowerShell"；桌面交互 Runner 留宿主、不进 Linux 容器。

4. 原指南（V1）内容分类

V1 内容 分类 处理
包现状描述（719 能力、34 域、宿主桥 4 方法、Driver 五域） 保留（微调） 仍准确；宿主桥维持 4 方法不变
"完全不依赖 Electron、check:deps 天天检查" 过时/不实 5 处动态 import 逃过护栏；改为"静态依赖已清、动态残留待清"，护栏必须升级
第 -1 步对面契约包全部空壳的叙事 过时 按 §3 改写：5/7 已实现，"填契约"变"接底座"
第 0 步三件作业（bun 冒烟 / catalog 重生成 / 注册方式决策） 部分保留 catalog 重生成已完成（platformTag 687 生效，3 个脏值待清洗）；bun 冒烟仍未做；注册方式决策并入 ADR-R1
第 1 步搬包（git subtree → code/backend/packages/rpa-core、改名 @agent-worker/rpa-core、demo 侧不双活） 保留 双侧命名与 workspace 布局核实无误
第 2 步 A 类契约对齐表 需要修改 capability-gateway/workflow-engine 从"对照后改对面"变"按已实现接口写 adapter"；新增 plugin-contract/registry/worker 三层对接
第 2 步 B 类宿主注入表（浏览器=最大变数） 需要修改 浏览器变数已收敛：对面有 Playwright 实现；变数改为"双路径取舍"（ADR-R4）
第 3 步 7 条验收 需要修改 扩充为 §9 验收标准（加 gateway 零调用、取消传播、双 Engine 隔离等）
三端计划（PLATFORM_GROUPS 单一源、驱动自动选、分组核查、测试守卫、平台判断收拢） 已完成，从"待办"改"现状" 五件小事全部落地；平台硬约束一节保留为长期规范
附：10 个关键决策 大部分保留 决策 2"保留全局注册表"与决策 9"双入口"需按 ADR-R1 重新确认；其余不变

5. 接入目标架构

┌─ Agent-Employee（宿主：权威状态与治理的唯一来源）──────────────────────┐
│                                                                        │
│  Java 控制面 control-plane(:8887) ──OpenAPI/Outbox/短授权 grant──┐     │
│                                                                  │     │
│  TS 执行面 apps/api(:8880, Bun)                                  │     │
│   ├─ workflow-engine   ← Run/Step 权威状态机（PG 存储+recovery） │     │
│   ├─ capability-gateway← 授权→租约(60s)→幂等→执行→审计【唯一入口】│     │
│   ├─ plugin-registry   ← 清单登记 + 版本链校验（无动态 loader）  │     │
│   ├─ model-gateway     ← AI 流式调用 + 每次调用控制面授权        │     │
│   └─ services/plugin-worker ← 常驻执行进程（LISTEN/NOTIFY 认领） │     │
│        ├─ browser-plugin → PlaywrightBrowserRunner（已实现）     │     │
│        └─ windows-plugin → windows-runner(C# FlaUI, observe-only)│     │
│                                                                        │
│  frontend/apps/desktop（Electron+SolidJS，用户桌面宿主）         │     │
│   └─ RPA 宿主桥实现落点（弹窗/DPI/AI 配置/子流程仓库）           │     │
└────────────────────────────────────────────────────────────────┘
                              ▲
                              │ CapabilityRunner（gateway 包皮，唯一执行通道）
                              │ Run/Step 事件回传（RPA 不建第二套状态）
┌─ RPA 迁入物（执行器与能力供给方）──────────────────────────────────────┐
│  @agent-worker/rpa-core（packages/rpa-core 迁入，Bun 源码消费）        │
│   ├─ Flow Runtime（作为 workflow-engine 的执行引擎候选 / 步骤级 runner）│
│   ├─ 719 能力 handler（纯 Node 部分可在 plugin-worker 服务器侧跑；      │
│   │   桌面/视觉部分只能跑在用户桌面宿主进程——见 ADR-R6）               │
│   ├─ WindowsDriver（补齐对面 WindowsRunner.click/type 执行缺口，ADR-R3）│
│   └─ CDP 外部浏览器会话（与 PlaywrightBrowserRunner 的取舍，ADR-R4）    │
│  @agent-worker/rpa-adapter（新增薄适配层）                              │
│   ├─ CapabilityRunner：authorize/execute 包裹 → ref↔componentId 映射   │
│   ├─ RunResult/NodeState ↔ WorkflowStatus/StepStatus 映射表            │
│   └─ 宿主注入装配：HostBridge(4) + SubflowSource(2) + ScreenCaptureHost│
└────────────────────────────────────────────────────────────────────────┘

权责原则（沿审查报告，逐条可执行）：

  • workflow-engine 是 Run/Step 状态唯一权威；RPA Runtime 只回传事件，不落第二份终态。
  • capability-gateway 是唯一授权入口；RPA 侧 getHandler() 不对 adapter 之外暴露（rpa-cli 顺手重写以作表率）。
  • computer-control 是桌面契约对齐对象；RPA 不新造并行的桌面抽象。
  • 宿主服务一律注入，禁用模块级 setter 承载多会话状态（现状 HostBridge 单例是过渡，见 ADR-R1）。

6. 模块对应关系表

RPA 侧（packages/rpa-core） Agent-Employee 侧 关系 现状
engine/runtime.ts 流程执行 workflow-engine WorkflowEngine/StepRun RPA=执行算法候选，AE=权威状态 已拍板方案 A（ADR-R2）
engine/registry.ts 全局注册表 plugin-registry + capability-gateway CapabilityRef ref↔componentId 映射层（rpa-adapter） 映射待建
719 能力 handler plugin-contract CapabilityDefinition + PermissionScope 13 项 能力清单生成 + 权限映射 待建（脚本生成）
RunContext.signal CapabilityExecutionContext.signal 均 AbortSignal，直通 兼容
NodeState（idle/running/succeeded/failed/skipped/cancelled） StepStatus（+waiting_user/unknown/pending） 映射表；RPA 缺 waiting_user/unknown 需补
human-dialog 审批弹窗 WorkflowApprovalRequest/decideApproval 人审节点挂宿主 approval 流 需 adapter
driver/windows/*（PowerShell 五域） windows-runner C#（observe-only）+ WindowsRunner{click,type} 契约 RPA 补执行半边；安全模型冲突 ADR-R3
browser/* CDP 会话（BrowserLike） browser-plugin PlaywrightBrowserRunner 双路径取舍 ADR-R4
ai-service.ts loadAiConfig model-gateway（ModelGateway.stream + ModelControlPlane） RPA AI 能力改走宿主网关 需改造
host-bridge.ts 4 方法 frontend desktop main 进程（弹窗/坐标/AI 配置等价物已有） 参考实现照抄本仓库 src/main/index.ts 落点明确
SubflowSource 2 方法 对面流程存储 包一层 小
vision/cv-vision 截图+DPI computer-control CoordinateSpace + C# PrintWindow 宿主注入 ScreenCaptureHost 待建
运行证据/截图 evidence-store(S3) + monitoring.capture 权限 证据统一落对面 待接
check-deps.mjs 依赖护栏 backend 包边界 保留并升级（动态 import） 需增强

7. 逐接入点详单

每项按固定七要素：RPA 位置 / AE 位置 / 兼容性 / 问题 / 改哪侧 / 方案 / 验收。

A1 Engine 与 Driver 注入

  • RPA 位置：packages/rpa-core/src/engine/engine.ts:47-66（惰性 getter + createEngine() 无参）；capabilities/desktop.ts:9、common-final.ts:11、system-extended.ts、window-extended.ts、office.ts:15、ftp.ts、ocr-caps.ts:11 捕获 defaultEngine.*（其中 desktop.ts:9 在模块加载时取 .driver，非 win32 下 import 即抛错）。
  • AE 位置：对面不关心 driver 细节；对齐契约是 computer-control 的 ComputerRunner{observe;execute}（computer-control/src/index.ts:99-102）与 windows-plugin 的 WindowsRunner。
  • 兼容性：部分。平台错误语义（platform_unsupported）已就绪；注入面缺失。
  • 问题：宿主无法注入测试替身或 computer-control 适配器；能力文件模块级捕获引擎状态（excelHandles/ftpClient/ocrInstance/driver），多会话共享。
  • 改哪侧：RPA。
  • 方案：createEngine(options?: { driver?, hostBridge?, subflowSource?, registry? })，全部可选、缺省保持现行为；能力文件改为经 RunContext/engine 参数取 driver 与资源表（模块级捕获改为首用时向 engine 取）；幂等句柄表（excelHandles/ftpClient/ocrInstance）迁入 engine 实例字段（部分已是）。
  • 验收：FakeDriver 注入测试覆盖五域；两个 Engine 各注入不同 FakeDriver 并行执行互不串用；非 win32 上 import 全部 34 域不抛错、调用桌面能力时才抛 platform_unsupported。

A2 Registry 注册机制与实例隔离

  • RPA 位置：engine/registry.ts:36-45（模块级 Map、last-wins、meta 可残留旧值）；runtime.ts:260（全局 getHandler）；register-all.ts（34 域 DOMAINS + PLATFORM_GROUPS + buildDomainPlatformMap）。
  • AE 位置：plugin-registry（清单登记+版本链，无动态 loader）、capability-gateway CapabilityRef（pluginId:capabilityId + version）。
  • 兼容性：结构性错位。对面一切能力调用都带 CapabilityRef 与版本；RPA 是字符串 id 全局表。
  • 问题：进程级注册在对面"多租户 + plugin-worker 常驻进程"模型下无法按租户隔离；componentId 与 CapabilityRef 无映射；同 id 覆盖无审计。
  • 改哪侧：短期 RPA 侧固化 ADR + 新建 adapter 映射；长期 RPA 侧 engine-scoped registry。
  • 方案：①ADR-R1 先定部署模型（单后端单能力集 → 全局表合法，把 registerAll 文档语义改为"加载到进程注册表"，不假装实例隔离）；②rpa-adapter 维护 componentId ↔ (pluginId="rpa", capabilityId=componentId, version=catalog 版本) 映射，由 catalog.json 生成并做完整性测试；③重复注册策略定为"显式覆盖 + 输出 warn 审计行"。
  • 验收：映射表覆盖 719 能力（或明确排除清单）；gateway 侧按 ref 解析到正确 handler；重复注册产生可审计日志。

A3 Runtime 执行、超时、取消、重试

  • RPA 位置：runtime.ts:33-56（withTimeout 只 reject 外层）、runtime.ts:334-339（取消标 failed）、runtime.ts:58-60,276（isRetryable 黑名单、retryCount≤100）、driver/types.ts:87-119（五域方法无 signal）。
  • AE 位置：workflow-engine StepRun.attempt/leaseEpoch/idempotencyKey、workflow-worker 跨进程取消传播与崩溃接管→unknown、capability-gateway execute 的 ctx.signal?。
  • 兼容性：不兼容。对面以幂等键 + 租约纪元管理副作用安全；RPA 超时/取消/重试语义与它冲突。
  • 问题：超时后底层 PowerShell/HTTP/CDP 仍执行（重复副作用）；取消状态不一致；非幂等能力可被重试 100 次。这是接入的第一阻塞项。
  • 改哪侧：RPA。
  • 方案：①节点尝试创建独立 AbortController，合并 Run 级 signal 与节点 timeout，贯通 handler→driver→PowerShell 子进程/HTTP/CDP（driver 五域方法加可选 signal 参数）；②executeNode catch 优先映射 cancelled → state.status="cancelled"，不走 skipOnError/error route/retry；③重试改元数据驱动：CapabilityMeta 增 idempotent/sideEffect/retryPolicy，非幂等默认 0 次重试；④新增 validateFlowGraph（ID 唯一、边合法、入口/出口基数、环、悬空边）。
  • 验收：构造 5 秒 Fake Handler + 100ms 超时，断言 handler 收到 abort 并停止、无并发重入；执行中取消后 Run 与 NodeState 均为 cancelled；对 File 写入/点击类能力验证"超时不自动重试"；非法图执行前得到稳定错误码。

A4 Capability Gateway（能力注册与权限治理）

  • RPA 位置：registry.ts（handler + meta 无权限字段）；resources/catalog.json（仅 risk: low|high）。
  • AE 位置：capability-gateway/src/index.ts:75-252（已实现 authorize/execute/租约 60s/幂等/高影响审批）；plugin-contract PermissionScope 13 项。
  • 兼容性：接口契合度高——CapabilityRunner = (input, ctx{lease,capability,signal?}) => Promise<ActionResult>，RPA handler (ctx, node, args, component) 包一层即可；ActionResult 需回显 leaseId/actionId（adapter 统一填）。
  • 问题：①719 能力 ↔ 13 项 PermissionScope 无映射；②CapabilityMeta 无 sideEffect/idempotent/permission/approvalRequired 字段；③存在绕行面（rpa-cli、子流程直接 getHandler）。
  • 改哪侧：新建 adapter（AE 仓库内包）+ RPA 补元数据。
  • 方案：①rpa-adapter 实现 CapabilityRunner：gateway.execute(lease, runner) → ref→componentId → 构造 RunContext（signal 直通）→ handler → 结果包装 ActionResult；②权限映射表按 34 域 × PermissionScope 初稿生成（files→filesystem.workspace、http→network.http、desktop/windowExtended→desktop.input/window、utilityExtended→独立高影响 scope【待确认：现表无 process 执行域对应，需对面确认】、message→messaging.send）；③高风险域标 highImpact 走审批（System_ExecuteCommand、键鼠、文件删除/覆盖、发消息）；④meta 增治理字段（与对面 CapabilityDefinition 字段对齐）。
  • 验收：审批拒绝/租约过期/权限不在白名单时 handler 零调用（gateway 已有测试语义，adapter 层加 719 全量冒烟：未经 authorize 不得触达 handler）；审计可关联 Agent/Run/Capability/审批结果。

A5 Workflow Engine 执行契约

  • RPA 位置：engine/runtime.ts（RunResult/NodeState）、engine/types.ts:142、human-dialog 审批弹窗、SubflowSource。
  • AE 位置：workflow-engine/src/index.ts:278-311（WorkflowEngine 接口）、workflow-runtime.ts、workflow-worker.ts、approval-policy.ts；executeStep(..., runner) 的 runner 类型即 Parameters<CapabilityGateway["execute"]>[1]。
  • 兼容性：状态映射大体可行；RPA 缺 waiting_user/unknown 两态；对面 StepStatus 无 RPA 的 idle。
  • 问题：两套状态权威冲突风险；集成形态二选一未定（整体作为一个 capability vs 节点级映射为 step）。
  • 改哪侧：adapter + 双侧小改。
  • 方案：已拍板（ADR-R2）方案 A + 两补丁——整个 RPA 流程注册为一个 capability（rpa.flow.execute），workflow-engine 的一个 step 调它，RunResult→ActionResult、节点级事件→event-bus 事件流（旁路，不进权威账本）、human-dialog→requestApproval 挂对面 approval 流、取消→signal 直通。补丁 1：节点事件流保透明；补丁 2：人审/高危节点照常升级对面审批。方案 B（节点=step 1:1）的触发条件留档：仅当对面产品确认需要"逐步控制 RPA"（单步执行/任意步回退）时局部启用，届时事件流已备好数据不返工。NodeState 增 waiting_user/unknown 两态（unknown 用于崩溃恢复对齐）。
  • 验收：状态映射契约测试（含 waiting_user/unknown/cancelled 全分支）；一次含审批节点、一次执行中取消、一次进程崩溃恢复的端到端演练；对面 Run 状态终态与 RPA RunResult 永远一致。

A6 Computer Control 与 Windows 桌面执行

  • RPA 位置：driver/windows/*（PowerShell 封装五域）、capabilities/desktop-uia.ts、element.ts。
  • AE 位置：computer-control（仅契约+3 纯函数）、windows-plugin（WindowsRunner{click;type;readText;snapshot} 无实现、native-observer.ts observe-only）、services/windows-runner/native/*.cs（FlaUI UIA3 observe-only）。
  • 兼容性：安全模型冲突——RPA 驱动 spawn 任意 PowerShell；对面白名单只许 *.exe、明文"不执行任意 PowerShell"、证据要求 SHA-256。
  • 问题：RPA 的执行半边（click/type）正是对面缺口，但实现方式过不了对面安全门。
  • 改哪侧：双侧（ADR-R3 已拍板：C# 扩展 actuate，见 §10）。
  • 方案：推荐——把 RPA WindowsDriver 的五域执行逻辑移植进 windows-runner 的 C# 原生进程（ FlaUI/CGEvent 等价实现 + 现成协议加 actuate 操作），RPA 侧 driver 抽象保留、Windows 实现改为可指向"原生进程通道"或"本地 PowerShell 通道"（后者仅 demo 使用，明确标注不走宿主治理）；策略校验/证据断言复用对面 assertComputerActionAllowed/assertComputerResultEvidence。
  • 验收：click/type 经策略校验（白名单进程/窗口、allowInput）+ 证据落盘；宿主拒绝时零副作用；同目标 observe→actuate→observe 闭环一致。

A7 浏览器（Browser Plugin vs RPA CDP 会话）

  • RPA 位置：packages/rpa-core/src/browser/*（transport/external，进包部分）+ src/main/browser/session.ts（接管/拾取，留守部分）；已知缺陷：transport 单命令无超时（:96-118）、locate 不支持 xpath/Shadow DOM、evaluate 默认 follow=true。
  • AE 位置：browser-plugin（PlaywrightBrowserRunner 已实现：白名单三重检、AbortSignal 透传、证据 SHA-256；定位 css/aria/text，无 xpath）。
  • 兼容性：双实现并行，语义不同（Playwright 自管浏览器 vs RPA 接管用户已开浏览器/复用登录态）。
  • 问题：重复投资；RPA CDP 链路自身有 P1 缺陷；对面定位器无 xpath（RPA 拾取器产出 xpath/css/aria/text 混合 selector）。
  • 改哪侧：ADR-R4 已拍板（按场景分工）：RPA 场景走咱们 CDP 接管（主力），对面 Playwright 留给 AI 智能体场景。
  • 方案：①RPA 浏览器能力迁前先修 transport 单命令超时 + 统一 resolveElement（一次修复覆盖 locate/click/type/getText）；②CDP 接管路线接对面 BrowserContextPolicy 白名单与证据体系（不自建白名单）；③与对面确认 rpa.browser 插件清单承载咱们的 runner；④PlaywrightBrowserRunner 保持现状服务 AI 智能体场景，双方不重复投资。
  • 验收：同一定位用例集（css/aria/text/xpath）在咱们 CDP 路径全部通过；白名单拒绝 URL 时导航前即拦截（走对面策略对象）；证据落 evidence-store。

A8 平台适配（Windows / Linux / macOS）

  • RPA 位置：register-all.ts PLATFORM_GROUPS（34 域全 win32）、driver/platform.ts、engine/engine.ts:47-61、5 个 skipIf 测试；catalog 687 win32 / 326 null / 3 个数字 1 脏值。
  • AE 位置：plugin-contract Platform 类型；windows-runner 明确"留在宿主、不进 Linux 容器"（README）。
  • 兼容性：兼容（两边都是 win32-first 务实路线）。
  • 问题：①catalog 3 个 platformTag: 1 脏值透传（build-catalog.mjs:246 对 truthy 不清洗）；②对面 CapabilityDefinition 未见 platform 字段（待确认：插件清单如何表达平台限制）。
  • 改哪侧：RPA（清洗）；对面（清单平台字段，待确认后）。
  • 方案：build-catalog 归一化——源值不在 win32|darwin|linux|null 白名单的一律重派生；三端扩展节奏沿用 V1 第三节（Linux xdotool/AT-SPI、Mac AX/CGEvent/TCC、Office 分端实现），驱动实现统一走 ADR-R3 的原生进程通道。
  • 验收：catalog 全量过 schema 校验（1016/1016）；非 win32 上 Core 可加载、桌面能力明确报 platform_unsupported；Mac/Linux CI 跑纯逻辑子集。

A9 Electron 依赖与 Core 独立性（含包闭包）

  • RPA 位置：vision.ts:18,66,432、cv-vision.ts:51,213（动态 import("electron")）；check-deps.mjs:20（正则盲区实测）；rpa-core/package.json:17-32（缺 @napi-rs/canvas、pdfjs-dist、@cantoo/pdf-lib；main 直指 src、private）。
  • AE 位置：backend 执行面是 Bun（无 Electron）；Electron 只在 frontend/apps/desktop；截图/坐标对面等价物是 C# PrintWindow + CoordinateSpace 契约。
  • 兼容性：不兼容。视觉能力在对面 backend 进程必然失败。
  • 问题：Core 不是 Electron-free；护栏查不出动态 import；单包安装缺 3 个依赖。
  • 改哪侧：RPA。
  • 方案：①抽 ScreenCaptureHost/DisplayCoordinateService 接口并入 HostBridge 注入面（弹窗/DPI×2/AI 配置 4 方法 → 增至 6 方法，或独立 host services 包——实现期定，倾向并入 HostBridge 减少 API 面）；vision/cv-vision 只依赖接口，宿主未注入时抛 host_service_unavailable；②check-deps 升级为覆盖 import()/require()/createRequire()（先补正则，中期 AST）；③补齐 3 个依赖声明（pdf.js 与 canvas 为原生/大件，评估 optionalDependencies + 能力级降级）；④消费方式锁定 Bun 源码消费（对面全家 workspace:* 源码依赖，与现状一致），锁 bun@1.4.3 做 CI 冒烟。
  • 验收：无可解析 electron 的纯净 Node/Bun 环境 Core 全量 import 成功；视觉能力未注入 Host 时返回 host_service_unavailable、注入 Fake Host 后可测；隔离目录仅按包声明装依赖跑通 PDF/OCR 代表能力。

A10 插件生命周期、异常隔离与资源清理

  • RPA 位置：无插件概念；资源清理散在能力内（PowerShell 子进程、ws、FTP/OCR 句柄）；历史上有 catch{} 吞错模式（已部分修复）。
  • AE 位置：plugin-contract PluginManifest（apiVersion/minCoreVersion/entrypoint/rollbackVersion）+ assertPluginManifest；plugin-registry 版本链校验；plugin-worker（崩溃接管→unknown、租约续期、跨进程取消）。
  • 兼容性：RPA 需要一张插件"外壳"才能进对面宿主。
  • 问题：719 能力不可能逐个成插件；RPA 无崩溃恢复语义（对面 unknown 态）。
  • 改哪侧：adapter 为主。
  • 方案：RPA 以单一插件接入（manifest id 建议 rpa.core，能力按域分批暴露为 CapabilityDefinition 清单，随 catalog 生成）；异常隔离靠节点级 try/catch + AbortSignal（A3）；资源清理建统一 finally 清单（子进程 kill、ws close、临时文件删除）并纳入取消路径；崩溃恢复复用对面 workflow-recovery（NodeState.unknown 对齐）。
  • 验收：杀掉 plugin-worker 进程后 Run 转入 unknown 并可恢复；取消后无残留子进程/连接/临时文件；manifest 通过 assertPluginManifest 与 registry 版本链。

8. 分阶段实施计划

原则：先 RPA 侧收口（便宜、不依赖对面），再垂直切片，再规模化。不为了架构统一搞大重构；每阶段有硬验收门。

阶段 内容 前置 验收门
0 事实确认（双侧，1 次评审会） 向对面同步 6 项已拍板结论（R1-R6）并预估 C# actuate 扩展量；确认 2 个小问题（Q1 platform 字段 / Q2 utilityExtended 权限归属）；确认事件流接口与 rpa.browser 清单备案 无 Q 有书面结论
1 RPA 侧收口（本仓库） A3 四件（取消贯通/状态映射/重试元数据/Graph Validator）+ A1 注入参数 + A9（Electron 残留、check-deps 升级、依赖闭包）+ A2 的 ADR 固化 + catalog 脏值清洗 + rpa-cli 重写（显式注册、经 engine 取 handler） 无 审查报告 §7 第一/二阶段清单全绿；纯 Node 环境 Core 全量加载
2 迁入与 adapter 骨架 git subtree 迁包改名 @agent-worker/rpa-core；bun@1.4.3 test 冒烟（exceljs/pdf/PowerShell 编码）；新建 @agent-worker/rpa-adapter（CapabilityRunner + ref 映射 + 状态映射表）；demo 侧冻结 阶段 1 + ADR-R1/R2 bun test 纯逻辑全绿；未经 gateway 不可达 handler；719 映射完整性测试
3 垂直切片 一个文件能力 + 一个 HTTP 能力走通：workflow-engine create/start → gateway authorize → adapter → rpa-core handler → 事件/证据回传 → cancel 中途取消；方案 A（rpa.flow.execute 整体注册） 阶段 2 取消/审批/审计全链有证据；对面 Run 终态与 RunResult 一致
4 浏览器与桌面双 ADR 落地 ADR-R4（已拍板）：RPA 浏览器能力修完 transport/resolver，接对面白名单与证据体系后作为 RPA 场景主力 runner；ADR-R3：windows-runner C# 扩展 actuate（RPA 五域逻辑移植） 阶段 3 §7-A6/A7 验收条目
5 能力规模化 34 域按风险分批：files/data/http/ftp → office/excel/word（COM 仅 win32）→ desktop/utility 高影响（末批+审批）；CapabilityDefinition 与权限映射随批生成 阶段 4 每批过 gateway 全量冒烟 + 审批矩阵抽查
6 平台扩展 V1 第三节三端计划原样生效（Linux/macOS 驱动按 ADR-R3 原生通道） 阶段 5 三平台 CI 矩阵；产品按 platformTag 置灰

不搬的东西（维持 V1 清单）：界面渲染层、悬浮框/取色器、本地视觉 onnxruntime、流程存储、内置浏览器编排——由宿主提供或对面重做；其中"本地视觉"明确不进 backend（原生依赖 + 桌面截图依赖），留在宿主桌面进程。

9. 风险清单与总验收标准

风险清单

# 风险 等级 缓解
R1 桌面安全模型冲突 → 已缓解（ADR-R3 拍板 C# 路线）：残余风险转为 C# 移植工作量与工期 中 阶段 0 与对面确认 actuate 扩展量；RPA 五域逻辑先行整理成移植清单
R2 部署拓扑错配 → 已缓解（ADR-R6 拍板按域拆分）：残余风险为宿主进程加载子集的工程实现 中 阶段 2 按 PLATFORM_GROUPS 分组做宿主子集加载验证
R3 Registry 全局单例在多租户 backend 的隔离缺陷 高 短期按 ADR-R1 限定部署模型；长期 engine-scoped registry 列入 backlog
R4 浏览器双路径重复投资 低（已缓解） R4 已拍板按场景分工（RPA=CDP 接管，AI 智能体=Playwright），白名单与证据共用一套，无重复投资
R5 719 能力的治理映射与元数据补齐工作量失控 中 脚本从 catalog 生成初稿 + 人工只审高风险域；分批（阶段 5）
R6 Bun 与 Node 行为差异（exceljs/pdf-lib/PowerShell 编码） 中 阶段 2 bun 冒烟前置，差异清单化
R7 demo 侧与 backend 双活跃漂移 中 git subtree + "迁移后 demo 冻结"纪律（V1 决策 3）
R8 两套状态机语义漂移（NodeState vs StepStatus） 中 映射表 + 契约测试常驻 CI
R9 catalog 源数据（shizai）上游已删，重生成受阻 低 已从对面历史恢复至 temp/catalog-source；计划快照入库
R10 对面底座继续快速演进，本文行号/接口过期 中 本文标注核查日期；联调前对关键接口做增量 diff

总验收标准（迁移完成的定义）

  1. Bun@1.4.3 下包 typecheck/test 全绿（不以 Node 测试替代）。
  2. FakeDriver/Host 注入可用，双 Engine 隔离行为符合 ADR-R1。
  3. 全部已暴露能力经 capability-gateway：审批拒绝/租约过期/无权限时 handler 零调用，审计四元组（Agent/Run/Capability/审批）可追踪。
  4. 取消/超时/重试测试证明：超时即中止底层、取消不进 error route、非幂等零自动重试、无并发重入。
  5. Graph Validator 拒绝非法流程图于执行前。
  6. 纯 Node/Bun 环境（无 electron 可解析）Core 全量加载；视觉路径 Host Mock 可测。
  7. 隔离目录按包声明安装依赖，代表能力（文件/Excel/HTTP/PDF）可跑。
  8. 垂直切片端到端演练通过：含一次审批、一次中途取消、一次进程崩溃恢复（unknown→恢复）。
  9. Windows 10/11 实机回归：UIA/浏览器/Office/DPI/多屏/安装包资源 + 取消场景。
  10. catalog 1016 项全过平台 schema 校验；能力平台范围与真实实现一致。

10. 决策与待确认清单

已拍板（2026-11-06，本方负责人确认）

ADR 问题 决定
R1 Registry 作用域：backend 是否多租户并存 全局一份能力清单（菜单所有租户共用），权限隔离完全由 capability-gateway 按租户管；长期将清单挂到 engine 实例（已从对面源码确认 WorkflowIdentity 带 tenantId，但清单本身无需按租户复制）
R3 桌面执行安全模型：RPA PowerShell 驱动 vs 对面"受信 C# 原生进程"红线 C# 扩展 actuate：把 RPA 五域执行逻辑移植进 windows-runner 原生进程；PowerShell 通道仅限本 demo，不进宿主
R4 浏览器双路径 按场景分工：RPA 场景走咱们的 CDP 接管路线（复用用户登录态/真实页面——RPA 核心价值）；对面 PlaywrightBrowserRunner 留给 AI 智能体场景（无头自管浏览器）。约束：①咱们 CDP 路线必须接对面 BrowserContextPolicy 白名单与证据体系，不自建；②迁移前修完 transport 超时与定位器不统一两缺陷；③需对面在插件清单给咱们的 runner 备案（rpa.browser）
R5 包消费方式 源码并入 + 锁版本：git subtree 进对面仓库统一编译，Bun 锁 1.4.3（与对面全家 workspace:* 源码消费现状一致）
R6 部署拓扑：rpa-core 各域跑在哪 按能力域拆分部署：纯 Node 域→backend plugin-worker；桌面/视觉/弹窗域→用户电脑 Electron 宿主；同一包按 PLATFORM_GROUPS 分组加载，不维护两份代码
R2 集成形态：RPA 流程=单个 capability（方案 A）还是节点=step 映射（方案 B） 方案 A + 两补丁：RPA 流程=rpa.flow.execute 单能力，对面一个 step 一次租约一次结算；节点级事件走 event-bus 旁路（保透明、不进权威账本）；人审/高危节点照常升级对面审批。不用 B 的理由（记录在案）：双账本一致性（崩溃窗口两边分歧、破坏对面 recovery 的单账本假设）、控制流节点无副作用无法映射 CapabilityRef、审批/重试粒度与业务语义错位。B 的触发条件：对面产品确认需要"逐步控制 RPA"（单步执行/任意步回退）时局部启用，事件流已备好数据不返工

待对面对确认（仅剩小问题，不猜测）

Q# 问题 评审要点
Q1 CapabilityDefinition 是否需要 platform 字段（对面清单未见） 建议对面补字段或约定由 catalog platformTag 承载
Q2 utilityExtended（命令执行）对应哪个 PermissionScope 13 项中 desktop.process 是候选，需对面确认语义（backend 无桌面，进程执行属哪域）

已回答：Q3（human-dialog 弹窗落点）已由 R6 回答——用户电脑 Electron 宿主窗口；仅样式/交互细节与对面 UI 对齐。

11. 本指南边界

  • 全部结论基于 2026-11-06 双侧工作区源码静态核查 + 少量脚本实测（正则盲区、catalog 统计、capabilityCount）；未执行 Windows 实机 E2E 与对面联调，未运行的测试不写成通过。
  • 行号会随代码演进过期，以函数/接口名为准。
  • 本轮只改文档，不改业务源码（用户指令）；阶段 1 起的代码改动另行排期。