@optima-chat/optima-agent 0.8.33 → 0.8.35

package/.claude/settings.local.json

@@ -141,7 +141,10 @@
       "Bash(browser-cli close:*)",
       "Bash(npm update:*)",
       "Bash(node -e \"console.log\\(require\\('./node_modules/@optima-chat/browser-cli/package.json'\\).version\\)\")",
-      "WebFetch(domain:raw.githubusercontent.com)"
+      "WebFetch(domain:raw.githubusercontent.com)",
+      "Bash(aws ecs:*)",
+      "Bash(aws ecr:*)",
+      "Bash(gh search:*)"
     ],
     "deny": [],
     "ask": []

package/.claude/skills/browser/SKILL.md

@@ -3,84 +3,164 @@ name: browser
 description: "Browser automation for web interactions. Use when user needs to open/navigate to websites, login to platforms, fill forms, post content, test websites, or operate on third-party platforms without APIs. Uses 'browser-cli' commands. Do NOT use for simple web scraping (use WebFetch) or tasks that have dedicated skills (e.g. scout, tiktok, instagram, shein, etc.)."
 ---
 
-# Browser Automation Skill
+# 浏览器自动化 Skill
 
-## When to Use
+## 使用场景
 
-- User asks to open a website or navigate to a URL (e.g. "打开 github", "open youtube")
-- User asks to login to a platform, fill a form, or post content
-- User needs to test website functionality
-- User needs to operate on third-party platforms without APIs
-- User asks to automate browser interactions
+- 用户要求打开网站或访问某个 URL（如"打开 github"、"open youtube"）
+- 用户要求登录平台、填写表单或发布内容
+- 用户需要测试网站功能
+- 用户需要操作没有 API 的第三方平台
+- 用户要求自动化浏览器交互
 
-**Do NOT use for:**
-- Simple web scraping → use WebFetch
-- Tasks that have dedicated skills (e.g. scout, tiktok, instagram, shein, etc.)
+**不适用场景：**
+- 简单网页抓取 → 使用 WebFetch
+- 已有专用 skill 的任务（如 scout、tiktok、instagram、shein 等）
 
-## Commands
+## 命令
 
 ```bash
-# Session management
-browser-cli launch [--url <url>] [--force]  # Launch browser (--force closes existing session first)
-browser-cli close                            # Close browser and release resources
-browser-cli status                           # Check current session status
-
-# Navigation
-browser-cli navigate <url>            # Navigate to URL
-browser-cli back                      # Go back
-browser-cli refresh                   # Refresh page
-
-# Interaction
-browser-cli click <index>             # Click element by index
-browser-cli input <index> <text> [--no-clear]  # Input text (--no-clear to append instead of replace)
-browser-cli select <index> <option>   # Select dropdown option
-browser-cli scroll <up|down> [--pages <n>]     # Scroll page (default 1 page)
-browser-cli keys <key>                # Keyboard action (Enter, Tab, etc.)
-
-# Page inspection
-browser-cli dom                       # Get current DOM state
-browser-cli screenshot [file]         # Take screenshot (default: /tmp/screenshot.png)
-browser-cli search <pattern>          # Search text in page
-browser-cli find <css_selector>       # Query by CSS selector
-
-# Tab management
-browser-cli tabs                      # List open tabs
-browser-cli switch <tab_id>           # Switch to tab
-browser-cli close-tab <tab_id>        # Close tab
+# 会话管理
+browser-cli launch [--url <url>] [--force]  # 启动浏览器（--force 先关闭已有会话）
+browser-cli close                            # 关闭浏览器并释放资源
+browser-cli status                           # 查看当前会话状态
+
+# 导航
+browser-cli navigate <url>            # 跳转到 URL
+browser-cli back                      # 后退
+browser-cli refresh                   # 刷新页面
+
+# 交互
+browser-cli click <index>             # 按索引点击元素
+browser-cli input <index> <text> [--no-clear]  # 输入文本（--no-clear 追加而非替换）
+browser-cli select <index> <option>   # 选择下拉选项
+browser-cli scroll <up|down> [--pages <n>]     # 滚动页面（默认 1 页）
+browser-cli keys <key>                # 键盘操作（Enter、Tab 等）
+
+# 页面检查
+browser-cli dom                       # 获取当前 DOM 状态
+browser-cli screenshot [file]         # 截图（默认：/tmp/screenshot.png）
+browser-cli search <pattern>          # 搜索页面文本
+browser-cli find <css_selector>       # 通过 CSS 选择器查询
+
+# 标签页管理
+browser-cli tabs                      # 列出所有标签页
+browser-cli switch <tab_id>           # 切换标签页
+browser-cli close-tab <tab_id>        # 关闭标签页
 ```
 
-## DOM Index Format
+## DOM 索引格式
 
-Every operation returns the current DOM state in this format:
+每个操作都会返回当前 DOM 状态，格式如下：
 
 ```
 [N]<tag attributes />
     content
 ```
 
-- Index numbers (N) are **not consecutive** (e.g., [7], [20], [30]) — this is normal
-- Indexes are **reassigned after every operation** — always use the latest indexes
-- Use these indexes for `click`, `input`, and `select` commands
+- 索引号 (N) **不连续**（如 [7]、[20]、[30]）— 这是正常的
+- 每次操作后索引会**重新分配** — 务必使用最新的索引
+- 使用这些索引来执行 `click`、`input` 和 `select` 命令
 
-## Important Notes
+## 注意事项
 
-- **DOM auto-returned**: Every operation returns DOM state automatically — no need to call `browser-cli dom` separately
-- **Avoid unnecessary screenshots**: Screenshots consume tokens; use DOM output for routine navigation
-- **5-minute timeout**: Sessions auto-close after 5 minutes of inactivity
-- **Login prompts**: When encountering login pages, ask the user for credentials or verification codes
-- **Always close**: Run `browser-cli close` when done to release resources
+- **DOM 自动返回**：每个操作会自动返回 DOM 状态 — 无需单独调用 `browser-cli dom`
+- **避免不必要的截图**：截图消耗 token，日常导航用 DOM 输出即可
+- **5 分钟超时**：无操作 5 分钟后会话自动关闭
+- **登录提示**：遇到登录页面时，向用户询问账号密码或验证码
+- **务必关闭**：操作完成后运行 `browser-cli close` 释放资源
 
-## Workflow Example
+## 基本操作示例
 
 ```bash
-# 1. Launch browser and navigate
+# 1. 启动浏览器并导航
 browser-cli launch --url "https://example.com"
 
-# 2. Interact based on DOM indexes
-browser-cli click 15          # Click a button
-browser-cli input 22 "hello"  # Type into a field
-browser-cli keys Enter         # Press Enter
+# 2. 根据 DOM 索引进行交互
+browser-cli click 15          # 点击按钮
+browser-cli input 22 "hello"  # 输入文本
+browser-cli keys Enter         # 按回车
 
-# 3. Close when done
+# 3. 完成后关闭
 browser-cli close
 ```
+
+## Workflow（操作录制与回放）
+
+将浏览器操作录制为可复用的 workflow，后续执行时零 token 消耗。
+
+### Workflow 命令
+
+```bash
+# 保存与管理
+browser-cli save-workflow <name> [--description <desc>]   # 保存当前 session 操作为 workflow
+browser-cli list-workflows                                 # 列出所有 workflow
+browser-cli workflow-info <name>                           # 查看 workflow 详情（步骤列表）
+browser-cli delete-workflow <name>                         # 删除 workflow
+
+# 编辑（保存后参数化）
+browser-cli edit-workflow <name> --set-var --step <N> --name <varName>    # 将步骤 N 的值设为变量
+browser-cli edit-workflow <name> --add-input <varName> --type string [--required]  # 声明输入变量（type: string/number/bool）
+browser-cli edit-workflow <name> --add-step extract --selectors '<json>' [--screenshot]  # 添加 extract 步骤
+browser-cli edit-workflow <name> --add-step wait_for_element --selector '<css>' [--timeout 30]  # 添加等待步骤
+browser-cli edit-workflow <name> --remove-step <N>                       # 删除步骤
+browser-cli edit-workflow <name> --update-step <N> --requires-confirmation  # 标记敏感操作
+browser-cli edit-workflow <name> --update-step <N> --target-text '<text>'   # 修改定位文本
+browser-cli edit-workflow <name> --auto-clean                            # 自动清理冗余步骤
+
+# 执行与监控
+browser-cli run-workflow <name> [--param key=value ...] [--force]   # 执行（--force 自动关闭已有 session）
+browser-cli workflow-status <task_id>                               # 查询执行状态
+browser-cli workflow-input <task_id> --var key=value                # 提供变量值
+browser-cli workflow-input <task_id> --value <val>                  # 提供值（仅单变量时）
+browser-cli workflow-input <task_id> --confirm                      # 确认敏感操作
+browser-cli workflow-cancel <task_id>                               # 取消执行
+
+# 降级接管（workflow 失败后用 --session 继续操作）
+browser-cli --session <session_id> dom          # 查看降级 session 的页面
+browser-cli --session <session_id> click 5      # 在降级 session 上操作
+browser-cli --session <session_id> close        # 完成后关闭
+```
+
+**注意**：
+- `--force` 会自动关闭已有 session 并取消运行中的 task
+- 不带 `--force` 时，如果有活跃 session 或运行中 task 会返回 409 错误
+
+### 保存 workflow
+
+当用户完成浏览器操作后说"把这个操作保存下来"或类似意图时：
+
+1. **保存前先查看最终页面 DOM**：`browser-cli dom` — 记住页面结构，为 extract 步骤准备 CSS selector（注意：session 必须还在，未 close）
+2. `browser-cli save-workflow '操作名称'` — 保存操作记录（自动附带 DOM snapshot）。同名 workflow 不会覆盖，需先 `delete-workflow` 再重新保存
+3. 用 `edit-workflow` 进行参数化：
+   - 识别可变值（搜索词、用户名、密码等），用 `--set-var` 替换为变量占位符
+   - 用 `--add-input` 声明 input_schema
+   - 如果 workflow 需要返回数据（如查价格、查状态），根据保存时看到的 DOM 结构添加 extract 步骤（用 CSS selector 指定要提取的字段）；纯执行型 workflow（如发帖）可不加 extract
+   - 对支付、删除等敏感操作，用 `--update-step N --requires-confirmation` 标记
+4. 确认 workflow 可用：`browser-cli workflow-info '操作名称'`
+
+### 执行 workflow
+
+当用户说"用之前录的 XX workflow"或类似意图时：
+
+1. `browser-cli list-workflows` — 确认 workflow 存在
+2. `browser-cli run-workflow '名称' --param key=value` — 启动执行
+3. `browser-cli workflow-status <task_id>` — 每 3-5 秒轮询一次状态
+4. 根据状态处理：
+   - `needs_input` → 检查输出中的字段：
+     - 有 `Missing: xxx` → 缺少变量值，向用户询问后用 `workflow-input --var xxx=值` 提供
+     - 有 `Confirmation: xxx` → 敏感操作待确认，告知用户后用 `workflow-input --confirm` 确认
+   - `failed` → 用 `--session` flag 接管当前 session 完成任务（见降级接管）
+   - `completed` → 返回 Output 给用户
+
+### 降级接管
+
+workflow 执行失败后，session 仍然活跃。用 `workflow-status` 返回的 session ID 接管：
+
+```bash
+browser-cli --session <session_id> dom    # 查看当前页面
+browser-cli --session <session_id> click 5  # 用普通命令完成剩余操作
+browser-cli --session <session_id> close    # 完成后关闭
+```
+
+不需要重新 `launch`。

package/README.md

@@ -45,13 +45,20 @@ optima -p "查看商品列表"
 - **商品管理** - 创建、编辑、查询商品
 - **订单处理** - 发货、退款、订单查询
 - **库存管理** - 监控库存、调整数量
+- **运费与物流** - 运费配置、运单查询、物流追踪
 - **国际化** - 多语言翻译管理
 - **店铺配置** - 首页、集合、商品详情页
-- **图像/视频** - AI 生成产品图片和视频
+- **图像/视频/语音** - AI 生成产品图片、视频、TTS/ASR
+- **音视频处理** - 视频合成、压缩、裁切、格式转换
+- **浏览器自动化** - 网页操作、Workflow 录制与回放
 - **广告投放** - Google Ads 管理
-- **选品调研** - Amazon 产品分析
+- **选品调研** - Amazon 产品分析、1688 供应商sourcing
+- **竞品研究** - Shein、TikTok Shop 产品搜索
+- **网红营销** - TikTok/Instagram 达人发现与分析
 - **数据分析** - 销售数据和趋势
-- **评价管理** - 审核、回复、精选评价
+- **评价管理** - 审核、回复、AI 生成评价
+- **自动化监控** - 定时规则、巡检、审批
+- **Shopify 集成** - 店铺连接、商品/订单/库存同步
 - **交互式问答** - 执行任务时向用户提问（架构选择、方案确认等）
 
 ### 执行模式
@@ -69,17 +76,27 @@ optima -p "查看商品列表"
 |-------|------|
 | merchant | 店铺信息管理 |
 | product | 商品管理 |
-| order | 订单处理 |
-| inventory | 库存管理 |
+| order | 订单处理与发货 |
+| inventory | 库存管理与监控 |
+| shipping | 运费配置与管理 |
+| logistics | 物流运单与追踪 |
 | i18n | 国际化翻译 |
 | collection | 商品集合管理 |
 | homepage | 店铺首页配置 |
 | product-page | 商品详情页配置 |
-| comfy | 图像/视频生成 |
-| ads | Google Ads 广告 |
-| scout | Amazon 选品调研 |
-| bi | 数据分析 |
-| review | 评价管理 |
+| review | 评价管理与 AI 生成 |
+| comfy | 图像/视频/语音生成（TTS/ASR） |
+| ffmpeg | 音视频处理（合成、压缩、裁切） |
+| browser | 浏览器自动化与 Workflow 录制回放 |
+| ads | Google Ads 广告投放 |
+| scout | Amazon 选品与 1688 供应商sourcing |
+| shein | Shein 产品搜索与快时尚调研 |
+| tiktok | TikTok 网红营销与 Shop 产品研究 |
+| instagram | Instagram 达人发现与内容分析 |
+| shopify | Shopify 店铺集成与同步 |
+| bi | 销售数据与趋势分析 |
+| sentinel | 自动化监控规则与巡检 |
+| markdown-pdf | Markdown 导出 PDF |
 
 ## 交互式问答 (AskUserQuestion)
 
@@ -218,7 +235,7 @@ agent.reset();
 │  │              │                      │              │         │
 │  ▼              ▼                      ▼              ▼         │
 │ Skills      System Prompt          Tools         MCP Server    │
-│ (10个)      (引导逻辑)           (Bash/Read..)    (Memory)      │
+│ (23个)      (引导逻辑)           (Bash/Read..)    (Memory)      │
 └──────────────────────┬──────────────────────────────────────────┘
                        │
         ┌──────────────┼──────────────┐
@@ -236,7 +253,7 @@ agent.reset();
 - **核心**: Claude Agent SDK v0.1.55
 - **语言**: TypeScript
 - **UI**: 自定义终端渲染
-- **工具集成**: 5 个专业 CLI 工具
+- **工具集成**: 10+ 专业 CLI 工具
 
 ## 开发
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@optima-chat/optima-agent",
-  "version": "0.8.33",
+  "version": "0.8.35",
   "description": "基于 Claude Agent SDK 的电商运营 AI 助手",
   "type": "module",
   "main": "dist/src/index.js",