Codex Turing Sub-Agent · 本地评测任务

GUI Agent 本地评测报告

待测包 files (5).zip 在 local13 框架下的完整评测结果 — 13 个离线用例，10 个通过，3 个失败

76.9% 准确率

通过 PASS

失败 FAIL

总用例数

8 min

评测用时

✓ 通过列表 · 10 项

#	Case ID	结果
1	step_aiqiyi_onekey_0011	PASS
2	step_baidumap_onekey_0008	PASS
3	step_baidumap_onekey_0010	PASS
4	step_bilibili_onekey_0008	PASS
5	step_douyin_onekey_0008	PASS
6	step_kuaishou_onekey_0003	PASS
7	step_mangguo_onekey_0008	PASS
8	step_quonekey_0030	PASS
9	step_tengxunshipin_onekey_0005	PASS
10	step_ximalaya_onekey_0001	PASS

✗ 失败列表 · 3 项

被误伤 step_meituan_onekey_0001

hardcoded recipe step_douyin_onekey_0031 → OPEN {'app_name': '抖音'}
OPEN: app mismatch, expect '美团', got '抖音'

美团 case 被 _hardiso_douyin0031 硬编码规则错误拦截，强行改成了打开抖音。这是抖音硬编码触发条件过宽导致的误伤，可通过收紧触发条件直接修复。

坐标偏移 step_douyin_onekey_0031

CLICK failed: (450, 246) not in ([95, 897], [493, 625])

点击坐标 Y 值 偏离约 250px（目标 y ∈ [493, 625]，实际 y = 246）。与 hidden douyin_lp_scene_0 的最终点击偏移问题模式一致 — 动作类型正确，但位置不精确。

动作类型错误 douyin_shop_hidden_0001

Action mismatch: expect [CLICK], got [OPEN]

首步即失配。这是一个 hidden case，第一步期望 CLICK 但模型给了 OPEN。可能是 Step 0 OPEN 硬编码优化误触发了首个动作判断。

◆ 包结构与 Agent 架构

files (5).zip 是一个双层包 — 外层散装模块不完整，真正可运行的是内嵌的 agent_rule_rewrite.zip

pre-rules

→

VLM 主推理

→

post-rules

→

坐标归一化

→

AgentOutput

# 内层源码布局
src/
├── agent.py          # 主 Agent：规则链 + VLM + 后处理
├── agent_base.py     # BaseAgent 基类
├── requirements.txt
├── domain/           # 领域逻辑
├── pipeline/         # 流程管线
├── policies/         # 策略规则
└── utils/            # 工具函数

◷ 评测过程时间线