GOAL ▸ 帮我在常点的店里下单一份晚餐，默认地址
01 perceive · 读当前屏幕文字与控件树
02 locate · 定位「外卖」入口，等待批准
03 act · 点击 · 加购物车 · 填地址
04 assert · 已进入「提交订单」页
⏸ 请求授权：是否支付 ¥32.80？
General Agent Runtime
从「一句一回」，
从「一句一回」，
到「可验证的闭环」。
复杂目标走一条完整链路，每一步都有证据、可回放、可恢复。
Computer Use 是主打
无障碍、桌面 UIA、浏览器驱动、端侧 OCR——四条路感知界面，再按字/角色定位点击，不是云端图片识别主路。
TaskGraph 闭环
Goal → Planner → TaskGraph → Scheduler → Executor → Verifier → Artifact。规划只产出图，状态机归后端，禁算法自己改状态。
API 并集，一张合同
Chat Completions、Responses、Messages、Tasks、MCP 工具——市面好处的并集落成一份内部合同，对外再长出兼容皮。
端轻，云端重
小模型 OCR 在端或算法仓；规划、账号、工具、数据库在后端。端上不堆重模型，只负责执行与感知。
每次关键动作都授权
Side Effect 工具统一走 ALLOW / ASK / DENY 权限。默认任务级授权，不是开机永久静默替你点外卖。
四仓，各守一条边界
frontend（虚拟环境）→ backend（账号 + Runtime）→ algorithms（规划 + 验证），sundries 冻合同。依赖只允许单向，禁止互相拷贝实现。
02 / 全权
真难不是再做一个聊天框，而是把「操作权」接到一条可验证、可恢复的闭环上，而不是一锤子点击。