@xnng/browser-relay 1.6.0

package/docs/benchmarks/iframe-routing-regression.json

@@ -0,0 +1,37 @@
+{
+  "date": "2026-09-09",
+  "fixture": "tests/fixtures/automation.html",
+  "scope": "Isolated real Chromium/extension; three semantic clicks after reload. Investigative trace, not a timing benchmark.",
+  "before": {
+    "failedIterationZeroBased": 14,
+    "result": "Cross frame",
+    "parentPointerDown": {
+      "x": 412.296875,
+      "y": 468.53125,
+      "scrollY": 89
+    },
+    "childPointerEvents": [
+      {
+        "type": "pointerup",
+        "text": "Cross frame",
+        "x": 52.296875,
+        "y": 18.53125
+      }
+    ],
+    "childButtonRect": {
+      "x": 8,
+      "y": 8,
+      "width": 88.59375,
+      "height": 21
+    }
+  },
+  "inference": "Parent scrolling updated geometry before the compositor routed a complete gesture to the child. Pointer down and up reached different documents; no child click was produced.",
+  "fix": "Wait for rendered frames after actual iframe-owner scrolling, before pointer dispatch. Do not resend a click.",
+  "after": {
+    "independentConsecutiveRuns": 15,
+    "successes": 15,
+    "regressionConsecutiveRuns": 20,
+    "regressionSuccesses": 20
+  },
+  "regression": "tests/browser-e2e.test.mjs: actions through shadow DOM and cross-origin frame"
+}

package/docs/browser-use-comparison.md

@@ -0,0 +1,331 @@
+# Browser Relay 1.5 与 Codex Browser Use 对比
+
+最新主对照见[差距审计](browser-use-gap-audit.md)：按用户要求，以 Relay 自身接口和 Codex
+Browser Use 原生 AX/截图/动作工作流比较复杂任务。本文保留此前的表单执行微基准和辅助路径数据，
+不把内部 Playwright 分支作为整体 Browser Use 的代替。
+
+核验日期：2026-09-09。实现提交 `42c5061`，基于远端主分支 `c9f394d` 开发。
+
+已补齐图片工具输出、持久 JavaScript 会话、语义和坐标动作、跨进程 iframe、差量快照、
+批量任务与取消，以及本地 Playwright/CDP 接入。最明显的收益来自减少 Agent—Relay—插件
+链路上的逐步往返。9 月 9 日无头浏览器的严格对照中，相对于只读首尾状态的旧接口流程，新动作批次在
+注入 50 ms 往返延迟时由 1702.35 ms 降至 394.4 ms，约快 4.32 倍；本机则由 254.1 ms
+增至 288.05 ms，慢约 13.4%。首轮的 5.47 倍同时包含移除冗余观察的收益。
+
+**Codex 原生同题测试已完成。** 用户安装官方扩展后，使用 CUA 连接原生 Chrome 扩展，
+AX 单步、AX 批量、原生 Playwright 各跑 5 次，15 次均成功。中位耗时分别为 902、436、788 ms。
+另补测相同视口的可见 Chromium，Relay actions 中位数 258.4 ms。这里计的是固定任务的内层
+工具执行时间，不能当作整个 Codex 产品或 GPT-6 模型的端到端胜率。详见文末原生实测章节。
+
+9 月 9 日增加了旧接口精简流程和轮换执行顺序，见下方补测。新结果应优先于首轮结果用于判断
+接口本身的收益；不能把 5.47 倍直接归因于新执行器，也不能宣称相对旧接口在本机普遍存在加速。
+
+## 核验材料与借鉴范围
+
+- 当前 `mcp__cua_repl` 返回的 API/工作流文档：持久 JS、AX 状态差量、索引动作、批量动作后观察。
+- 本机官方 browser 插件包 `26.901.51231`：`docs/api.json`、`docs/accessibility.md`、
+  `docs/api-use-behavior.md`、`docs/tab-claiming-chrome.md`、`docs/capabilities/tab/cdp.md`、
+  `scripts/browser-client.mjs`。该包已经在本机，无需再次克隆。
+- `browser-client.mjs` SHA-256：`b9b9bc2319d5ee6aa0b1e481d63bb2130d28102fc7c9080803ab5552185d9037`。
+- `docs/api.json` SHA-256：`fc7966ffbc9010252ad3ea745e061068bec3919efff860a87e6013a38a7e277f`。
+
+官方 Computer use 指南建议 GPT-6 使用持久代码执行环境，结合截图和短动作序列，仍支持
+自定义函数/MCP 接口。本项目沿用自己的传输和登录态管理，把这些设计落实到执行器与工具层。
+[官方指南](https://developers.openai.com/api/docs/guides/tools-computer-use)
+
+异步工具调用与执行中修正属于模型/调用方协议。Relay 提供异步任务、结果查询和取消能力；
+模型接收新要求不会自动撤回已执行的浏览器操作。
+[异步工具](https://developers.openai.com/api/docs/guides/async-tool-calling)、
+[执行中修正](https://developers.openai.com/api/docs/guides/steering)
+
+## 能力对照
+
+| 方面 | Codex 可核验接口/指导 | Browser Relay 1.5 |
+| --- | --- | --- |
+| 状态读取 | AX 状态优先，支持差量 | Chrome AX 树、角色/名称/状态、引用、独立会话差量；截断不推进基线 |
+| 元素定位 | AX 索引、Playwright 定位器 | ref、唯一 role/name、CSS、frameId；重复匹配报错，旧引用失效 |
+| 复杂页面 | iframe、DOM/视觉操作 | 同源与跨进程 iframe、Shadow DOM；取不到的 frame 显式报告 |
+| 图像 | 图片输出、坐标操作 | MCP image 内容块；PNG 尺寸解析、截图坐标映射、视口变化校验 |
+| 执行效率 | 持久 JS，确定动作与观察合并 | MCP browser_exec / CLI repl 保留变量；act 在插件内连续执行并返回状态 |
+| 交互动作 | click、drag、move、键盘、滚动等 | 单/双击、悬停、路径拖拽、输入/清空、选择/勾选、条件等待、容器滚动 |
+| 中断 | 用户接管/中止后停止 | 按标签排队；任务查询/取消；插件弹窗取消；运行时超时重置并取消所属待执行任务 |
+| 标签范围 | 显式选择/接管标签，匹配可见证据 | 显式 tabId、导航后 ref 失效、新建/关闭指定标签；保持已有登录态 |
+| 开发接口 | 可选 CDP 能力和 Playwright 接口 | 本地 /cdp 虚拟会话；已测连接、定位、截图、新建、导航、关闭、断开后继续加载 |
+| 远程机器 | 本次未实测 | 已用真实扩展 + 本地测试 Hub 验证新动作和取消；生产 Hub 未部署变更 |
+| 桌面/其他能力 | 原生应用、剪贴板、文件对话框、WebMCP 等 | 仍聚焦 Chrome；未宣称这些额外能力与 Codex 完全等价 |
+
+Playwright 接入保留用户默认上下文，禁止创建/销毁浏览器配置和调整共享窗口。
+调试器自动附加不暂停新 iframe，断开连接不关闭用户浏览器。旧接口/原始 CDP 不应与同一标签上
+正在运行的新动作组混用。页面动画可能改变元素位置，即使 URL/视口未变；坐标前仍须观察。
+
+## 同题执行基准
+
+任务：搜索 invoice，选择 Owner=Alice，勾选 Active only，提交并等待页面显示
+`Found: invoice / alice / active`。每种方案都检查这个可见结果。
+
+### 如何控制条件与计时
+
+- 环境：macOS、Node v22.23.1、Playwright 1.63.0、Chromium 153.0.8010.12。
+  使用真实 Chromium 的 headless 模式和真实扩展，视口 1280 × 1000；并非浏览器模拟对象。
+- 测试页：[automation.html](../tests/fixtures/automation.html)。四个表单操作后，页面固定延迟
+  120 ms 更新状态；这是已知的异步业务延迟，所有方案相同。页面没有外部业务服务器、登录或验证码。
+- 每次测量前重新加载页面并置为当前页。浏览器启动、扩展连接、页面重载、Playwright 连接建立、
+  调试计数读取均不计入执行耗时；第一次实际观察起计时，最后一次结果快照返回后停止计时。
+- 独立的最终 `#status` 文本断言在计时结束后运行，严格检查完整结果。提交后的等待及最后一次
+  快照在计时内。断言失败会让脚本退出，因此当前样本不能用于估计一般网页的成功率。
+- 首轮每轮按旧 HTTP → 新 actions → Playwright 固定顺序执行，本机各 7 次、延迟各 5 次；
+  没有随机化，也没有排除专门的预热样本。后面的补测使用循环轮换顺序以减小位置偏差。
+- 50 ms RTT 注入位置是 **Relay 与扩展之间**：本地 TCP 代理收发两个方向各延迟 25 ms。
+  Agent 与 HTTP 服务之间仍为本机连接，页面自身网络未加延迟。命令可流水执行，不能简单用
+  “命令数 × 50 ms”推算总时长。这不是公网弱网、丢包或带宽受限实验。
+- 同一进程、同一个临时浏览器配置、同一测试页顺序执行。Playwright 客户端只在其方案运行期间
+  连接，避免其他方案被后台 CDP 流量影响。
+
+### 每条路径到底做了什么
+
+| 路径 | 可复核操作序列 | HTTP 次数 | 状态观察次数 |
+| --- | --- | ---: | ---: |
+| 旧 HTTP | 快照 → type → 快照 → eval 选择 Owner → 快照 → click 勾选 → 快照 → click 提交 → wait → 快照 | 10 | 5 |
+| 旧 HTTP 精简，补测 | 快照 → type → eval 选择 Owner → click 勾选 → click 提交 → wait → 快照 | 7 | 2 |
+| 新 actions | observe 获取 ref → actions 内 fill/select/check/click/wait，并返回最终状态差量 | 2 | 2 |
+| Playwright 经 Relay | 初始 ariaSnapshot → fill → selectOption → check → click → waitFor → 最终 ariaSnapshot | WebSocket | 2 |
+
+这里比较的是**已编写好的确定性工具执行路径**。旧方案使用已知 CSS，actions 从当轮快照
+提取 ref，Playwright 使用已知语义定位器；没有让模型阅读三个不同 Skill 后自主决定动作。
+旧接口的 eval 也能编写更大的 DOM 动作批次，但这可能改变原生输入事件语义，本次未作为完整替代方案测试。
+
+### 9 月 8 日首轮结果
+
+| 方案 | 完成次数 | 中位耗时 | HTTP 请求数 | Relay→插件命令数 | 快照文本总量 |
+| --- | ---: | ---: | ---: | ---: | ---: |
+| 旧 HTTP 工作流，本机 | 7/7 | 273.5 ms | 10 | 39 | 2301 B |
+| 新批量动作，本机 | 7/7 | 278.7 ms | 2 | 2 | 2202 B |
+| Playwright 经 Relay CDP，本机 | 7/7 | 334.8 ms | 0 | 73 | 1425 B |
+| 旧 HTTP 工作流，注入 50 ms RTT | 5/5 | 2205.6 ms | 10 | 38 | 2301 B |
+| 新批量动作，注入 50 ms RTT | 5/5 | 403.0 ms | 2 | 2 | 2202 B |
+| Playwright 经 Relay CDP，注入 50 ms RTT | 5/5 | 2465.1 ms | 0 | 70 | 1425 B |
+
+所有数值取各次运行的中位数。HTTP 计数不包括 CDP WebSocket；命令数是逻辑请求数，并非 TCP
+包数。文本量是 UTF-8 字节，不是 token。Playwright 的完整传输字节没有采集。
+旧方案遵循原 Skill 的单步动作与快照流程，选项操作通过旧 eval 接口；新方案一次动作组完成。
+
+新方案初始快照覆盖更多内容（iframe、Shadow DOM、引用与状态），完整 JSON 还包含任务与视口
+元数据，因此不能据此声称所有返回体都更小。单次“新增一行”变化的快照由
+1880 B 全量降为 160 B 差量。
+
+慢链路实验使用真实 Chromium 和扩展，在本地 TCP 代理两个方向各注入 25 ms 延迟；
+这是受控延迟实验，不代表生产互联网的真实 RTT。未运行模型推理，未计模型生成/思考耗时，
+也没有估算模型任务成功率或 API 费用。
+
+首轮逐次耗时，单位 ms；顺序与原始 JSON 的 iteration 一致：
+
+| 条件 / 路径 | 逐次耗时 |
+| --- | --- |
+| 本机 / 旧 HTTP | 292.4, 274.7, 291.8, 270.2, 273.5, 269.7, 261.4 |
+| 本机 / 新 actions | 278.7, 284.1, 265.9, 288.1, 269.7, 278.3, 280.1 |
+| 本机 / Playwright | 293.0, 329.3, 338.5, 323.5, 338.4, 334.8, 342.5 |
+| 50 ms RTT / 旧 HTTP | 2218.2, 2205.2, 2205.6, 2204.1, 2209.3 |
+| 50 ms RTT / 新 actions | 411.1, 385.3, 403.0, 410.4, 382.9 |
+| 50 ms RTT / Playwright | 2422.6, 2473.1, 2470.5, 2455.5, 2465.1 |
+
+完整 JSON 返回体的本机中位数是旧 3521 B、新 3919 B，增加约 11.3%；快照文本总量
+2301 → 2202 B 仅减少约 4.3%。新增一行的差量快照减少约 91.5%，是另一项局部实验，
+不能替代整道任务的 token 节省数据。
+
+- [本机原始样本](benchmarks/browser-runtime.json)
+- [50 ms RTT 原始样本](benchmarks/browser-runtime-rtt50.json)
+- [可复跑脚本](../scripts/benchmark-browser.mjs)
+
+```bash
+npm ci --ignore-scripts
+npx playwright install chromium
+npm test
+npm run test:browser
+npm run bench:browser
+BROWSER_RELAY_BENCH_RUNS=5 BROWSER_RELAY_BENCH_RTT_MS=50 npm run bench:browser
+```
+
+测试使用临时 Chrome 配置、复制的扩展和随机端口，不操作用户日常浏览器或登录账号。
+测试只替换扩展默认端口以连接隔离 Relay。截图、DOM 结果都来自真实浏览器；基础单元测试另有
+模拟传输，以检查错误、字节边界、进程超时、任务顺序与取消。
+
+### 9 月 9 日补测：精简旧流程并轮换顺序
+
+为区分“减少冗余观察”和“插件内执行批次”的收益，增加 `legacy-minimal`：保留旧接口和相同动作，只移除三次中间快照。四种路径在每个网络条件下各执行 8 次；每轮将执行顺序向前轮换一位，每条路径在四个位置各出现两次。不是随机实验，也没有模型推理。
+
+旧 API 工作流运行在当前 1.5 的兼容接口上，并未启动历史 1.4 二进制。因此这是同一实现中不同调用路径的对照，不是两个历史发布版本的全量 A/B。
+
+| 条件 | 路径 | 完成 | 中位耗时 ms | 范围 ms | HTTP | 插件逻辑命令 | 快照 B | 完整 JSON B |
+| --- | --- | ---: | ---: | --- | ---: | ---: | ---: | ---: |
+| 本机 | 旧 HTTP，每步观察 | 8/8 | 262.1 | 257.1–285.9 | 10 | 39 | 2301 | 3522.0 |
+| 本机 | 旧 HTTP，只观察首尾 | 8/8 | 254.1 | 245.5–261.8 | 7 | 30 | 926 | 1670.0 |
+| 本机 | 新 actions 批量 | 8/8 | 288.1 | 262.3–293.1 | 2 | 2 | 2202 | 3918.5 |
+| 本机 | Playwright 经 Relay CDP | 8/8 | 329.2 | 293.1–332.7 | WS | 73 | 1425 | 未采集 |
+| 注入 50 ms RTT | 旧 HTTP，每步观察 | 8/8 | 2210.6 | 2197.0–2223.9 | 10 | 38 | 2301 | 3535.0 |
+| 注入 50 ms RTT | 旧 HTTP，只观察首尾 | 8/8 | 1702.3 | 1696.5–1710.3 | 7 | 29 | 926 | 1671.5 |
+| 注入 50 ms RTT | 新 actions 批量 | 8/8 | 394.4 | 379.0–405.6 | 2 | 2 | 2202 | 3923.5 |
+| 注入 50 ms RTT | Playwright 经 Relay CDP | 8/8 | 2466.8 | 2433.5–2494.6 | WS | 70 | 1425 | 未采集 |
+
+- 相对于精简旧流程，新方案本机耗时增加约 13.4%（多 33.9 ms）；不能声称本机更快。
+- 注入 50 ms RTT 后，新方案相对精简旧流程快 4.32 倍，时间减少约 76.8%。HTTP 从 7 降为 2，插件逻辑命令从 29 降为 2。
+- 相对于精简旧流程，新方案快照 2202 B 大于 926 B，完整 JSON 也更大。两者包含的状态范围不同：新版覆盖 frame、Shadow DOM、引用和状态，不能按字节判断信息质量。
+- 当前证据支持“中高延迟链路上批次执行有效”。并未证明新接口对所有短任务更省时、更省字节，更未证明比 Codex 原生快。
+
+补测逐次耗时，单位 ms；各行按 iteration 排列，而非实际全局执行顺序：
+
+| 条件 / 路径 | 逐次耗时 |
+| --- | --- |
+| 本机 / 旧 HTTP，每步观察 | 285.9, 262.6, 269.8, 257.1, 261.5, 268.4, 260.5, 257.9 |
+| 本机 / 旧 HTTP，只观察首尾 | 252.4, 246.2, 254.4, 260.3, 245.5, 261.8, 260.1, 253.8 |
+| 本机 / 新 actions 批量 | 276.4, 286.0, 290.1, 293.1, 292.1, 291.0, 262.3, 269.4 |
+| 本机 / Playwright 经 Relay CDP | 293.1, 324.5, 328.0, 331.7, 332.7, 326.5, 330.4, 330.5 |
+| 50 ms RTT / 旧 HTTP，每步观察 | 2215.4, 2197.0, 2198.7, 2214.3, 2223.9, 2199.9, 2214.2, 2207.0 |
+| 50 ms RTT / 旧 HTTP，只观察首尾 | 1703.3, 1699.6, 1700.8, 1708.8, 1696.5, 1710.3, 1701.4, 1703.4 |
+| 50 ms RTT / 新 actions 批量 | 401.5, 405.6, 379.0, 389.2, 387.6, 398.7, 390.1, 402.9 |
+| 50 ms RTT / Playwright 经 Relay CDP | 2433.5, 2468.9, 2484.7, 2454.4, 2494.6, 2482.2, 2456.4, 2464.7 |
+
+偶数样本的中位数取排序后中间两项的平均值，范围列保留最小值和最大值。原始 JSON 保留每次执行位置、耗时和计数。
+
+- [补测本机原始数据](benchmarks/browser-runtime-balanced.json)
+- [补测延迟原始数据](benchmarks/browser-runtime-balanced-rtt50.json)
+
+```bash
+BROWSER_RELAY_BENCH_SUITE=balanced BROWSER_RELAY_BENCH_RUNS=8 npm run bench:browser
+BROWSER_RELAY_BENCH_SUITE=balanced BROWSER_RELAY_BENCH_RUNS=8 BROWSER_RELAY_BENCH_RTT_MS=50 npm run bench:browser
+```
+
+补测写入单独的 `browser-runtime-balanced*.json`，保留首轮原始文件。
+
+## 提示词与 Skill
+
+Skill 入口最初由 459 行缩减到 135 行；本轮补充已验证的行为后为 141 行，详细 SDK/HTTP 内容按需加载。执行提示词强调：
+先获取当前状态；优先 ref/语义定位；合并已确定步骤；遇到未知页面或状态后观察；用一个可靠的
+成功信号结束；不重复读取没有变化的快照；中止后不自动重启任务。
+
+MCP 工具描述与运行时对象一致。`browser_exec` 是本地可信代码执行，独立进程提供超时、
+重置与故障隔离，不是安全沙箱；HTTP/远程 Hub 没有任意本机 JS 执行入口。
+Skill 安装会核验入口及所有参考文件，防止只复制 SKILL.md 后缺少 SDK 指南。
+
+具体借鉴与未证明的部分：
+
+| 从 Codex 学到的做法 | 在 Relay 的落点 | 证据与边界 |
+| --- | --- | --- |
+| 持久 JS 保留浏览器和标签句柄 | `server/script-runtime.js`、`runtime-worker.js`、CLI repl、MCP exec | 已测跨调用保留变量；尚未测模型实际减少多少输出 token |
+| 一轮内合并确定动作，再观察 | 扩展 `automation.js` 批次执行、SDK act | 同题基准直接证明跨链路命令减少 |
+| 默认 AX 与差量；需要视觉判断才截图 | observe、引用、每会话差量、图片输出 | 已测差量与坐标；尚未取得 Codex 原生截图编码、字节或耗时对照 |
+| 用当前状态定位，失败后先重新观察 | 旧 ref 失效、重复语义目标报错、Skill 错误恢复规则 | 有真实浏览器场景验证；不代表模型在未知站点更少犯错 |
+| 一个充分的成功信号就结束 | Skill 要求检查状态文本或业务结果 | 基准采用完整状态文本断言；未进行提示词 A/B 模型实验 |
+| 文档按需加载，避免每轮塞全部 API | 简短入口与按需引用文件 | 行数下降不是 token 成本或任务完成时间的实测结论 |
+
+所以，目前可以交付的是执行器能力、传输效率和工作流设计的改进。GPT-6 的视觉判断、任务规划、
+网页泛化成功率、模型思考时间和费用，需要相同模型设置的独立 Agent 评测，不能由接口数量推导。
+
+## Codex 原生实机对照：已完成
+
+### 安装过程与已解决的阻塞
+
+2026-09-09 早先按用户要求用 CUA 尝试安装官方扩展，遭遇以下问题。随后用户完成安装，
+本会话成功连接 Chrome 扩展并执行测试。下表是历史诊断，不代表当前仍无法连接：
+
+| 步骤 | 工具结果 | 可得结论 |
+| --- | --- | --- |
+| CUA 发现浏览器 | `browsers: []` | 安装前没有可用 Browser provider |
+| CUA 打开 Codex 自身应用 | `Computer Use is not allowed to use the app 'com.openai.codex' for safety reasons.` | CUA 自身限制，不能代点该应用设置 |
+| CUA 打开 Chrome，尝试两次 | `cgWindowNotFound` | 取不到可操作窗口；不能确认原因就是锁屏 |
+| CUA 打开访达 | `cgWindowNotFound` | 问题也影响其他应用，安装界面未能打开 |
+| 本地官方诊断脚本 | Default profile 没有可读 Preferences；扩展、native host 未检出 | 仅代表检查到的本地文件路径；不排除 CUA 桌面与文件系统或 profile 不一致 |
+
+用户安装后 CUA 返回 Chrome extension provider，测试页可正常创建和操作。未尝试绕过 CUA 自身应用限制。
+[官方安装说明](https://learn.chatgpt.com/docs/chrome-extension)
+
+运行 `npm run bench:serve` 可启动同一测试页。完整的同题提示、计时边界、单步/批次流程、
+失败样本处理及环境一致性要求见[原生测试协议](benchmarks/codex-native-protocol.md)；
+连接尝试保存在[机器可读状态记录](benchmarks/codex-native-status.json)。原生 Browser、
+原生桌面 Computer Use、Playwright 经 Relay 必须分别标注，不能互相替代。
+
+### 实际执行与计时口径
+
+使用 `cua.createBrowserTab('chrome', fixtureUrl, ...)` 新建专用标签，浏览器视口实测为
+1466 × 925。任务与 Relay 完全相同。通过原生 AX 返回的当前索引执行，绝不跨页面重载复用索引；
+每次新试验读取完整初始 AX，后续采用默认差量，按新增、修改、删除的节点维护当前目标。
+
+原生三条路径：
+
+| 路径 | 操作 | 浏览器 API 次数 | 状态读取次数 |
+| --- | --- | ---: | ---: |
+| AX 单步观察 | getAXState；setValue Search + 状态；setValue Owner + 状态；setValue checkbox + 状态；click 提交 + 状态 | 9 | 5 |
+| AX 批量 | getAXState；连续三个 setValue 和 click；最终 getAXState | 6 | 2 |
+| 原生 Playwright | domSnapshot；fill、selectOption、check、click、waitFor 可见结果；domSnapshot | 7 | 2 |
+
+AX 的状态读取已经等待到本题的 120 ms 异步结果，不额外插入固定 sleep。原生 Playwright
+显式等待结果可见；两条路径都要求最后状态包含完整成功文本。
+
+先做各一轮交互式探索：AX 单步 5 次外层 `js`，内层 API 累计 1190 ms，整轮经过 29552 ms。
+后者包含模型决策、工具调度与会话间隔，并非纯浏览器耗时。探索时一次计时闭包因跨 REPL
+重绑定记到了旧数组，批量汇总曾错误显示 0；原始逐操作记录可恢复为 390 ms。随后改为修改
+固定日志对象，解决计时记录问题；两轮探索均不进入正式中位数。
+
+正式数据采用**已验证流程的确定性脚本回放**。AX 两条路径各 5 次，先后顺序逐组交替，
+每个 `js` 执行一组两条路径；原生 Playwright 随后另跑 5 次，未与 AX 随机交错。
+这一步没有让模型在每次状态读取后重新规划，因此适合分析工具执行成本，不能当成 15 次独立模型任务。
+记录每个 API 的开始、结束时间，以及重载之后到最终状态返回的脚本时间；外层工具耗时另列。
+
+### 原生结果及可见浏览器 Relay 对照
+
+Relay 补测使用隔离配置的可见 Chromium 153.0.8010.12，并设同样的 1466 × 925 视口。
+四条 Relay 路径各跑 8 次，循环轮换顺序，32 次全部成功；未注入延迟。
+
+| 实测路径 | 成功 | 内层执行中位 ms | 范围 ms | 状态文本 B |
+| --- | ---: | ---: | --- | ---: |
+| Codex 原生 AX 单步 | 5/5 | 902 | 860–915 | 3287 |
+| Codex 原生 AX 批量 | 5/5 | 436 | 411–443 | 3178 |
+| Codex 原生 Playwright | 5/5 | 788 | 763–816 | 1706 |
+| Relay 旧 HTTP，每步观察，可见 Chromium | 8/8 | 265.25 | 见原始样本 | 2301 |
+| Relay 旧 HTTP，只观察首尾，可见 Chromium | 8/8 | 262.95 | 见原始样本 | 926 |
+| Relay actions，可见 Chromium | 8/8 | 258.4 | 见原始样本 | 2202 |
+| Playwright 经 Relay CDP，可见 Chromium | 8/8 | 264.5 | 见原始样本 | 1425 |
+
+原生逐轮脚本耗时，单位 ms：
+
+- AX 单步：910, 902, 915, 900, 860。第 4 轮 API 累计 899 ms，另有 1 ms 脚本开销。
+- AX 批量：413, 443, 411, 441, 436。
+- 原生 Playwright：816, 813, 780, 788, 763。
+
+原生 AX 合并动作后约快 **2.07 倍**，减少约 **51.7%** 时间；状态字节只减少 **3.3%**，
+因为该题批量修改后返回了完整 AX，而逐步修改可返回差量。不能把少读三次状态理解成少三份全量快照。
+
+这道题的 Relay actions 内层时间比原生 AX 批量低约 **40.7%**（258.4 对 436 ms，约 1.69 倍速度比）。
+这个数值有明确限制：原生是用户 Chrome 配置，Relay 是隔离 Chromium；原生 Chrome 版本读取被
+浏览器 URL 策略阻止，版本记为 unknown，没有通过其他通路绕过；浏览器后端和快照内容也不完全相同。
+它是本机该固定任务的描述性对照，不能宣称普遍比 Codex 快 1.69 倍。
+
+原生 API 计时不含外层 MCP/工具调度，Relay 的 HTTP 计时也不含外层 Agent 工具调用。
+原生每组两个 AX 回放的外层 `js` 约 3.8–5.0 秒，包含重载、两个任务、工具调度，不能拿这个数字
+直接除以 Relay 单题 258 ms。相关外层观测已保存在原始 JSON。模型配置、token 和实际费用未测，
+也没有在 Codex 原生链路中注入对应的 50 ms 延迟。
+
+### 能力实测与可吸收的经验
+
+除了 15 次表单任务，还在同一原生标签上完成：
+
+- AX 直接点击 Shadow DOM 按钮：显示 `Shadow done`。
+- AX 分别点击同源和跨域 iframe 按钮：节点 34、37 均显示 `Frame done`。
+- 根据原生截图，在画布可见绿色目标内坐标点击：显示 `Canvas done`。
+- 根据同一截图拖动蓝色方块：显示 `Drag done`。
+
+因此，表单、Shadow DOM、同源/跨域 iframe、截图坐标和拖拽现在都有原生实测证据。
+原生取消、文件对话框、下载、多标签并发、生产复杂站点仍未进行对等实测，不能称为全面能力等价。
+
+对项目的直接启示是：简单控件优先 AX/ref；把已经确定的填写与点击合并；读取状态按决策需要安排。
+本次原生 AX 状态获取约 157–200 ms，批量后的两次状态获取占了主要时间。
+原生 Playwright 的 check/click 各约 272–292 ms，占该路径的大部分时间；计时只定位到 API，
+没有核实其内部开销原因。保留 Playwright 用于复杂定位与开发集成，不应把它当成短任务必然更快的路径。
+
+- [原生 15 次逐操作计时、完整去重状态和能力结果](benchmarks/codex-native.json)
+- [Relay 可见浏览器 32 次原始数据](benchmarks/browser-runtime-balanced-headed.json)
+
+可见浏览器 Relay 复跑命令：
+
+```bash
+BROWSER_RELAY_BENCH_SUITE=balanced BROWSER_RELAY_BENCH_RUNS=8 BROWSER_RELAY_BENCH_HEADED=1 BROWSER_RELAY_BENCH_WIDTH=1466 BROWSER_RELAY_BENCH_HEIGHT=925 npm run bench:browser
+```

package/docs/browser-use-gap-audit.md

@@ -0,0 +1,141 @@
+# Browser Relay 与 Codex Browser Use：差距审计
+
+日期：2026-09-09。主对照为 **Browser Relay 自身的观察/动作接口，与 Codex Browser Use 的原生 AX/截图/动作工作流**。
+不把独立 Playwright 或 Codex 的内部 locator 分支当成主比较对象。此前表单微基准保留在
+[历史报告](browser-use-comparison.md)，本报告回答复杂任务还有哪些差距、哪些值得吸收，以及已修复什么。
+
+## 结论
+
+在已测的基本交互上已经接近，但还不能说完整体验等价。Codex 更突出的优势是可读的页面上下文、
+原生控件语义，以及标签归属、会话/轮次、接管、结束清理的整体设计。Relay 的长处是 CLI/MCP/SDK
+接入、插件内批次、远程设备与可控传输；简单表单的速度数字不能覆盖这些差距。
+
+本轮用新探针确认了 Relay 的八类具体缺口并修复。13 类探针每类三次，修复前通过 5 类，
+修复后全部 13 类通过。**这是挑选问题的回归集，不是网站总体成功率，也不能折算成与 Codex 的百分比差距。**
+原生 AX 则完成了 13 条交互工作流记录和 2 个额外行为探针，覆盖相同的 13 类情况；不将语义不同
+的路径硬算成同一总分。
+
+## 怎样测，结果怎样认定
+
+测试页为 [browser-gaps.html](../tests/fixtures/browser-gaps.html)。每题重新打开，只有本地合成数据，
+不操作真实账号或生产网站。每道题有独立的可见业务结果，例如 `South saved`、`Custom checked=true`。
+对“拒绝操作”类探针，另外检查原值未改变。禁用选项属于明确设定的 UI 一致性要求。
+
+Codex 一侧使用本会话的 `mcp__cua_repl`：先读取原生 AX，依据当前父子关系、控件状态和索引操作，
+再读取结果。动态控件在出现或启用后重新观察，不猜索引。移动按钮用 AX 语义动作；截图坐标、
+拖拽、普通 iframe/Shadow DOM 的基础能力已在上一轮真实验证。
+
+Relay 一侧使用同一测试页，通过实际扩展的 `/api/observe`、`/api/actions` 与 SDK 执行。
+测试工具仅负责启动隔离的可见 Chromium、重置页面和独立验收，**不参与两方能力排名**。
+开始和结束状态外，动态等待在插件内完成。对照前后保留相同动作参数，包含明确的动作级 `timeoutMs`；
+旧实现忽略该参数，修复后执行有界的准备状态等待。
+
+原生工作流是交互式探索，只有每种流程的一条主记录；会话中包含研究和调度间隔，因此不排名这轮
+墙钟耗时。原始文件中的内层 API 时间仅供定位开销，其中一次观察耗时 5583 ms，保留这个异常值，
+不据此推断稳定延迟。上一轮五次重复的表单数据另有固定计时口径，也不是独立模型盲测。
+
+## 主对照结果
+
+| 场景 | Codex Browser Use 原生 AX 实测 | Relay 修复前 | Relay 修复后 |
+| --- | --- | --- | --- |
+| 延迟启用 | 观察到 disabled；启用后重新观察并点击完成。直接盲点 disabled 不报错、也没完成业务 | 立即 `element_disabled`，动作级 timeout 无效 | 有界等待启用，完成 |
+| 动态出现 | 出现后获取当前 AX 节点并完成 | 目标不存在立即失败 | 有界等待出现，完成 |
+| 临时遮挡 | 观察覆盖层出现、消失，再点击完成 | 立即拒绝，不能按传入 timeout 等待 | 插件内等待遮挡消失后完成 |
+| 移动按钮 | AX 根据控件语义直接激活成功 | 本探针已通过 | 仍通过；显式等待时还检查位置稳定 |
+| 两区域内同名 Save | AX 父容器清楚显示 North/South，选择 South 的子按钮完成 | 缺少 scope，语义目标匹配两项而失败 | snapshot 提供 within；支持 scoped target 与 SDK 子定位器 |
+| DOM 节点替换 | 重新观察后使用当前节点，完成 | 语义目标已能重新解析 | 保留；另测旧 ref 被拒绝，不自动指向新节点 |
+| 原生 checkbox 业务事件 | `setValue` 只改变选中值，本页 onclick 不执行；改用 `click` 得到 trusted=true 的业务结果 | check 走 DOM click，事件 trusted=false | 前台使用鼠标输入，trusted=true；校验状态且重复 check 不二次点击 |
+| 自定义 ARIA checkbox | 从 AX 看到 checkbox，点击成功 | `not_checkable` | 支持 ARIA checkbox/radio/switch，并校验目标状态 |
+| 禁用 option | 明确报 disabled，保持 Open | 可以选中禁用项 | 明确拒绝，保持原值；也处理禁用 optgroup |
+| 只读输入 | AX 未标为 settable；赋值时报错，原值不变 | 已正确拒绝 | 保留 |
+| contenteditable | setValue 后业务 input 结果更新 | 已通过 | 保留 |
+| Shadow DOM 下的永久遮挡 | AX 能触发遮挡下按钮的语义动作 | 已拒绝覆盖下的鼠标动作 | 保留；不把原生的语义激活与鼠标命中混为一谈 |
+| iframe 上层永久遮挡 | AX 同样能触发被遮挡 iframe 内按钮 | 鼠标事件被挡住，但动作返回成功 | 检查祖先 iframe 在实际动作点的命中；明确拒绝 |
+
+原生“语义激活能穿过视觉遮挡”是本轮观察到的行为，不代表它一定错误或一定应该复制。
+对本项目的鼠标动作，选择保留覆盖检查。对业务结果，控件值变化与事件触发必须分开验证。
+
+原生工作流所需观察次数：简单范围定位、checkbox、富文本一般 2 次；重渲染 3 次；本次延迟启用、
+出现、临时遮挡各 4 次。Relay 成功批次通常是初始 observe 加最终状态，共 2 次；等待在插件内进行。
+这说明批次和条件等待可以减少 Agent 往返，但不能据此把原生的探索过程和脚本回放总耗时直接相除。
+Codex Browser Use 还可以选用其他原生接口；这里的观察次数是此次默认 AX 路径的记录，不是产品的最优次数或能力上限。
+
+### 回归中进一步发现的 iframe 时序问题
+
+复测出现过跨进程 iframe 的 pointerdown 落在父文档、pointerup 才到子文档的情况，按钮没有
+收到完整点击，却返回了成功。事件记录见[复现证据](benchmarks/iframe-routing-regression.json)。
+证据指向父级滚动后 DOM 几何已更新，而输入路由尚未稳定。现在父 iframe 容器发生滚动后先等待
+渲染帧，再派发输入；修复后独立 15 轮和回归里的 20 轮连续操作均通过。只在实际滚动时增加等待，
+不通过重复点击掩盖问题。闭合 Shadow DOM 与 iframe 局部覆盖也有独立回归，防止过度拒绝。
+
+### 新等待功能的成本
+
+对已经可点击的 Add row 控件，分别跑 7 次：默认路径中位 36.9 ms，显式设置动作 timeout 的
+稳定性等待路径 85.2 ms，多约 48.3 ms。计时只包含 Relay 动作及最终观察，不含准备和独立断言。
+因此 Skill 只在预期出现、启用、移动或遮挡变化时建议设置等待；不默认给所有动作加等待。
+[原始数据](benchmarks/browser-readiness-cost.json)、[复跑脚本](../scripts/benchmark-browser-readiness.mjs)。
+
+## 插件代码看到了什么
+
+读取的是 Chrome 已安装扩展 **1.26.901.11451**，以及本机桌面 browser 插件 **26.901.51231**。
+Chrome 扩展的 `background.js` 为 355753 B，`content-scripts/codex.js` 为 35143 B，
+`foreign-frame-monitor.js` 为 5158 B；没有 source map。使用只读格式化副本分析，未修改官方插件。
+这些是发行包的 JavaScript 和随包文档，并非完整开发源码；编译组件和线上实际运行分支不全可见。
+
+| 从发行代码核验的设计 | 具体证据 | 对 Relay 的启示 |
+| --- | --- | --- |
+| 标签有明确归属 | background 的 claimTab/getOwningSessionId/isClaimedBySession，绑定 sessionId、turnId、instanceId，拒绝另一活跃 session 占用 | “按标签排队”只能保证动作组顺序，还不等于整个工作流的独占 |
+| 轮次结束与交接 | setTabMark、handoff leases、turn marks；区分保留成果、交给用户、临时标签 | 增加显式 claim/release、handoff 与任务标签清理，而不是默认关闭用户标签 |
+| 请求和用户控制有生命周期 | startRequest/finishRequest/stopSession、AbortController、activeRequests、每标签 cursor 状态 | 当前弹窗取消可用，但还缺按会话管理的接管、状态呈现与恢复 |
+| 断线时明确失败 | requestHost 的请求 ID/期限；native port 断开时 rejectPendingHostRequests，再调度重连 | 重连与重放必须分开；已经可能执行的写动作不自动重发 |
+| 客户端失联后的清理 | client-heartbeat-alarm 定期检测；无客户端时停会话、detach 调试器 | 需要治理进程消失后的所属任务/标签状态，不只依赖正常结束路径 |
+| 按需状态和文档 | accessibility.md、api-use-behavior.md：AX 优先、差量、当前索引、确定动作成组、一次充分成功验证 | 已融入 Relay Skill；本轮补充事件语义、条件等待与范围定位 |
+| 结构化边界 | 类型/schema、能力发现；桌面服务有受限的只读 DOM 求值与独立修改操作 | Relay eval 的边界较粗，可补只读查询接口与更细的能力描述 |
+
+不要因为扩展里有很多侧边聊天资源就认为控制能力更强；这些 UI 资源不计作浏览器执行能力。
+Chrome 扩展与桌面服务各有职责，单看扩展的文件大小也不能推断延迟。
+
+文件版本、SHA-256 和定位符见[源码审计记录](benchmarks/codex-extension-audit.json)。独立实现本轮改动，
+没有把官方 bundle 代码复制到项目。
+
+## 本轮实际吸收并落地
+
+1. **保留上下文的语义定位。** AX 输出补 `within`、结构化节点补 `parentRef`；支持
+   `tab.getByRole('group',{name:'South'}).getByRole('button',{name:'Save'})`。不默取第一个重名按钮。
+2. **把可预期的等待放在执行器里。** 动作可设 `timeoutMs`，在派发前等待出现、启用、无遮挡、位置稳定；
+   支持 `wait state=enabled`。默认仍快速报告错误；只有明确设置时才等待。取消、任务总时限继续生效。
+3. **区分状态赋值与业务输入。** 前台 check 使用真实鼠标输入，支持 ARIA 控件、重复调用不重复触发。
+   后台 DOM fallback 保留并返回 strategy=dom，不宣称它等价于 trusted mouse event。
+4. **把遮挡与控件状态校验做完整。** 检查 iframe 祖先在实际动作点是否被挡住，避免“命令成功但没点到”；
+   禁用 option/optgroup 不再改变。只重试准备状态，已经派发的点击不会重放。
+5. **同步提示词/Skill。** 明确范围定位、准备状态等待，以及依据业务结果而非仅依据函数返回或控件值结束。
+
+代码入口：[automation.js](../extension/automation.js)、[SDK](../server/sdk.js)、
+[Skill](../skills/browser-relay/SKILL.md)。
+
+## 仍有多少差距
+
+| 层面 | 当前判断 | 尚缺的具体东西 |
+| --- | --- | --- |
+| 基本动作与传输效率 | 已接近；本轮修复了可复现缺口 | 更复杂跨 frame 变换、更多真实应用的事件语义仍需验证 |
+| 页面观察信息 | 仍有明显差距 | 普通文本框值目前一并隐藏；只读/可编辑状态、完整层次和精细选择诊断仍不如原生丰富 |
+| 会话与用户接管 | 差距最大之一 | 标签独占、跨轮次状态、handoff、失联清理、按会话展示任务状态 |
+| 完整浏览器工作流 | 仍不完整 | 对话框、上传/下载、导航与新标签事件的统一高层 API；不能拿低层 CDP 可调用就算已补齐 |
+| 工具/文档体系 | 已有基础，仍需完善 | 更细能力发现、只读查询、结构化错误上下文，避免 Agent 反复补查 |
+| 模型能力与真实网站成功率 | 本次不能下结论 | 未做干净会话盲测、多网站任务集、相同预算的端到端比较 |
+
+下一阶段优先级应是**会话/标签归属 → 观察信息与错误上下文 → 对话框和文件闭环**。
+   这些比继续压缩固定表单的几十毫秒更能缩小整体使用体验的差距。
+
+## 验证与原始数据
+
+- [Codex Browser Use 原生 AX 主记录](benchmarks/browser-gaps-codex-ax.json)：13 条工作流与 2 个行为探针。
+- [Relay 修复前，39 次](benchmarks/browser-gaps-relay-baseline.json)。
+- [Relay 修复后，39 次](benchmarks/browser-gaps-relay-after.json)。
+- [可复跑的 Relay 探针](../scripts/benchmark-browser-gaps.mjs)。
+- [新增真实浏览器回归](../tests/browser-reliability.test.mjs)：动态等待、范围定位、可信事件与幂等、无效写入、
+  iframe 实际命中点、等待取消和不重放，连同原有场景共 20 项浏览器测试通过（18 个场景及 2 个父测试）。
+- `npm test`：97 通过、6 个环境相关跳过，无失败；Skill 校验通过。
+
+所有主结论对应原生 AX 或 Relay 直接接口的证据。前期辅助路径试验不作为这里的主评分，
+尤其不能把它的控件行为直接套到 Codex Browser Use 的默认 AX 路径。

package/docs/browser-use-parity.md

@@ -0,0 +1,105 @@
+# Browser Use 优点移植：开发实现与验收
+
+本轮把实测和本地扩展审计中确定的八个方向做成 Browser Relay 自身的实现，没有复制厂商扩展代码。这些改动由 `1.5.0-dev.1` 开发版本推进至 **1.5.0**。下文保留开发阶段的验证记录与当时的发布边界；正式版本的功能和升级方式见[1.5.0 发布说明](releases/v1.5.0.md)。
+
+## 八项落地
+
+| 方向 | 实现 | 主要入口 |
+|---|---|---|
+| 读全内容 | AX 全文、完整 URL、分页续读、子树读取；旧文本修复 display:contents、表格单元格截断 | `read`、`tab.read()`、`browser_read` |
+| 保留归属与层级 | 按父子关系输出 article、main、表格等语义边界，去掉重复容器摘要而非正文 | `extension/observations.js` |
+| 操作语义明确 | 可访问名称、状态和所属结构；旧按钮优先 aria-label；保留已有 scope 定位 | `observe`、scoped locators |
+| 阅读后直接操作 | 正文、完整链接、refs 同时返回；已读完分页后才推进 diff 基线 | `url`、`ref`、`nextCursor` |
+| 统一文本、视觉和操作 | 同一 tab 对象读内容、定位、聚焦、截图；both 模式返回文本及真实图像块 | `tab.observe({mode:'both'})`、`focus` |
+| 标签页归属和交接 | 自动认领、冲突拒绝、release/handoff、任务创建来源、弹窗显示和停止会话 | `sessions.js`、`browser_tab`、`browser_session` |
+| 生命周期与错误恢复 | 心跳/租约、按传输断连停止、取消贯穿任务和请求、取消先于请求的记录、部分结果与中断动作、脚本异步错误即时返回 | `tasks.js`、SDK/MCP/runtime |
+| 提示词和 skill | 按阅读/操作/视觉选择接口，确认分页/加载/验证状态，已知动作批处理，异常按实际结果恢复 | `skills/browser-relay/`、MCP tool descriptions |
+
+## 关键行为
+
+- 新阅读默认聚焦 main；页面无 main 时读取整页。需要菜单、侧栏或其他控件时使用 observe。目标 subtree 支持已观察的 ref、CSS 或 role/name。
+- 单页输出预算仍有上限，但不会静默丢弃剩余正文。nextCursor 指向同一份已捕获内容，保留 capturedAt；导航/缓存淘汰后返回 stale_observation。每个 tab 最多缓存三份、每份至多四百万字符，超限时明确要求缩小子树。跨页分割不会拆坏代理对字符。
+- AX 链接通过 DOMSnapshot 的 backend node ID 批量关联，保留完整 URL，不为每个链接增加一次浏览器往返。
+- 游标页读完才更新 diff 基线；没读到的内容不会被当作已见。较旧分页完成时也不会覆盖更新的基线。
+- 新协议握手报告真实 executor 版本、runtimeId、protocol 和 features。旧扩展未握手时新服务立即返回 protocol_mismatch。doctor 会实际调用 capabilities，不再只看本地 manifest 和 daemon。
+- 会话心跳间隔 40 秒，租约 120 秒。SDK/MCP/runtime 自动维护；短 CLI 调用以 --session 续用任务，必要时显式 heartbeat。停止/过期/断连的会话不能隐式复活。
+- 读写会自动认领，其他会话及匿名旧/CDP 客户端不能操作已认领的 tab。租约用于可信客户端间协调，不是抵抗任意本地软件的安全隔离。
+- release/handoff 要求没有未完成工作；保留任务创建标记。stop 取消任务并释放归属，不关闭页面、不撤销已执行动作。弹窗提供用户可见的会话停止入口。
+- 导航默认等文档 readyState 离开 loading；不是“所有网络请求结束”，也不保证站点异步数据已到。需要时追加目标 wait。
+- 滚动默认保持后台，隐藏标签使用 DOM 滚动，不激活标签或窗口。只有用户明确要求时才调用 focus 或允许视觉动作前置。可选 waitForChange 返回是否观察到文本变化；后台可能延迟渲染，不能因此自行切前台。viewportMoved 与 contentChanged 分开，文本变化不是新记录数量，仍需按链接/业务 ID 去重。
+- 失败任务保留 results、completedActions 和 interruptedAction。取消会补发本任务尚未释放的按键/鼠标释放事件，不重放按下动作。取消不能保证已发出的动作未产生效果。
+- 持久脚本的拒绝型 top-level await 错误即时返回结构化错误并保留绑定；超时重置返回 session/task IDs，便于查询部分进展。MCP notifications/cancelled 可取消普通调用与脚本运行。
+
+## 使用例子
+
+```bash
+browser-relay capabilities
+browser-relay tabs
+browser-relay read --tab <discovered-id> --session research
+browser-relay read --tab <discovered-id> --session research --cursor <returned-cursor>
+browser-relay focus --tab <discovered-id> --session research
+browser-relay observe --tab <discovered-id> --session research --mode both --output /tmp/page.png
+browser-relay handoff --tab <discovered-id> --session research --to reviewer
+browser-relay session stop --session reviewer
+```
+
+SDK/MCP/CLI 的现代接口共用浏览器 executor。旧 HTTP/CSS 接口保留，但在切换到旧客户端前必须 release；不要在同一认领标签上混用两套客户端。MCP 的 browser_read/browser_observe 与 browser_exec 有各自会话标识，混用前按 browser.sessionId 显式交接。
+
+## 验收
+
+常规检查：`npm test`，105 项通过、7 项环境条件跳过。真实浏览器回归：`npm run test:browser`，28 项通过，零失败。
+Skill validator、`git diff --check` 与 npm 打包内容检查通过。
+浏览器测试在隔离 profile 加载本工作树扩展，动作和读取通过 Relay SDK 发出；启动测试浏览器的兼容框架不是性能对照对象。
+
+新增覆盖：
+
+- 20 条长正文、长 URL、表格末尾、隐藏内容排除、main 范围、分页后无重复 diff。
+- 子树读取、导航使旧游标失效。
+- 两个会话竞争、匿名客户端拒绝、交接、续租/过期、停止后不隐式重启。
+- 旧扩展协议拒绝、真实运行实例信息、断连时挂起请求立即失败。
+- 异步浏览器错误即时返回；取消先于任务抵达时禁止执行。
+- MCP 文本/图像组合返回、取消通知与任务 ID 对应。
+- 弹窗显示认领者，停止时取消待办操作而保留页面。
+- 原有 iframe、shadow DOM、控件事件、任务队列和远程 hub 回归。
+
+### 真实 Omarchy 页面回查
+
+使用 `node scripts/verify-reading.mjs <artifact-directory>` 在隔离 Chrome 中访问此前漏读的 `https://zh.omarchy.org/`，整个过程通过本开发版本 Relay 执行，且握手确认版本为 1.5.0-dev.1。
+
+此次读到正文、安装栏目及完整手册链接。新接口分四页返回 66,862 UTF-8 字节；修复后的旧文本返回 37,409 字节。两种读取都找到了此前缺失的内容。原生旧对照有不同的 URL 显示策略，不能用这两个字节数推导对原生的压缩率或速度倍数。
+
+机器摘要见 [browser-use-parity.json](benchmarks/browser-use-parity.json)，弹窗截图见 [extension-sessions.png](benchmarks/extension-sessions.png)。页面正文和本地执行日志保留在本机验收 artifacts 中，未打包用户 X 推荐流。
+
+## 开发阶段的发布边界与剩余验证
+
+- package、插件元数据使用开发版本；Chrome 的数值 version 为 1.5.0，version_name 为 1.5.0-dev.1。
+- publish workflow 仅由 workflow_dispatch 触发，必须明确给定与 package.json 相同的版本及 npm channel；开发版本不能用 latest。发布前运行 Linux/Windows 测试。
+- 本机 npm 配置的默认 channel 为 next；开发版发布仍要求显式传入非 latest 的 --tag，prepublishOnly 在同步版本前拒绝缺省或 latest（覆盖 npm 不导出默认标签环境变量的情况）。
+- 没有触发该工作流，没有推送或发版。
+- 本轮证明的是八项设计已实现且经过上述检查，**没有证明新版在用户登录 Chrome 的完整 X 同题流程中已经追平原生**。那项验收仍需要安装/重载这个开发版本，不能沿用此前旧接口的时间数据。
+- 租约状态和分页缓存属于当前扩展进程，重载后失效；调用方应建立新会话并重新观察。
+
+## 独立审查后的修复（2026-09-09）
+
+Astra 对原开发提交的独立审查发现三项 P1 和七项 P2。原有全绿测试未覆盖这些边界，不能据此认定八项能力已经验收完成。本节记录工作树中的修复，不表示发布或 X 效率对照已经完成。
+
+| 审查问题 | 修复及回归证据 |
+| --- | --- |
+| HTTP 取消/超时后后续点击仍执行 | 本地服务监听响应连接中止；SDK/CLI/MCP 共用传输实现。Node/Worker hub 自身的 HTTP abort 和 RPC 超时也发送取消，不依赖 SDK。预分配任务 ID 并保留进展；browser-review、transport、hub-rpc、remote-hub 与 worker-hub 覆盖各入口 |
+| main 内 iframe 静默漏读 | AX frame root 接到实际 DOM frame owner；同源、跨源 iframe 按宿主位置进入子树。无法接入时显式 warning；browser-review 覆盖内外 main 的范围 |
+| runtime inspect 隐藏截断 | 移除字符串、数组和对象深度的隐式裁剪；总输出预算溢出时提供独立 runtimeOutput 游标和 readOutput 续读，回归覆盖长正文、数组、深层值及日志占满预算后的恢复 |
+| 正文顺序错乱 | 按 AX childIds 深度优先遍历后过滤；四步内容顺序回归固定为 1→2→3→4 |
+| article 独立标签丢失 | 仅省略经文本相等验证的重复摘要；Alice/Bob 独立 article 名称保留 |
+| 主 frame CSS 子树 stale_ref | 子树定位统一使用当前主 frame 标识；仅为选定根保留 AX 忽略的 div/p，主文档、普通容器及跨源 frame CSS 读取通过 |
+| MCP 取消误报连接故障 | 普通调用及 runtime 中断使用 request_cancelled、retryable=false，保留可用任务信息 |
+| remote focus 丢失连接来源 | 递归 action 请求透传 transport；sessions 回归验证远程断连停止远程归属并保留本地归属 |
+| 已认领 tab 阻断其他 tab 的 CDP 握手 | Browser.getVersion 读取扩展上下文的浏览器元数据；browser-review 验证连接及操作已释放 tab，同时仍拒绝操作已认领 tab |
+| 本地 npm publish 可能将开发版设成 latest | publishConfig 默认 next，发布前要求开发版显式非 latest 标签；distribution 通过真实 npm lifecycle 验证 next 通过、缺省/latest 拒绝，未执行发布 |
+
+本轮全量检查：`npm test` 124 通过、8 项环境条件跳过；`npm run test:browser` 36 通过、零失败。新增回归为 `tests/browser-review.test.mjs`、`tests/transport.test.mjs` 以及 runtime/MCP/session/distribution 的补充断言。独立 Astra 最终复验已将十项问题全部标为通过，独立运行的测试结果亦为 124/36。复验额外覆盖 99,800 字符、85k 日志叠加正文、18 万字符跨页及 emoji，续读结果与完整 HTTP 内容逐字符一致；真实 Node hub 的 30 秒超时后原始 HTTP 与 SDK 均停止后续点击。CLI 单次 exec 排空 185,406 字符后无失效游标或残留归属。证据归档于本机 `~/.codex/artifacts/browser-relay-review-fixes-2026-09-09/`。
+
+取消是停止后续 Relay 动作，不会撤回页面已经启动的网络请求或定时器。传输无法送达取消时明确报告未知结果，并保留任务标识；不得自动重放。Runtime 总输出预算与浏览器分页不同；超预算后先按 runtimeOutput.readWith 续读缓存，取回被裁剪的正文和浏览器游标，再继续浏览器分页。超出续读缓存上限则明确报错，应保留结果变量后分段打印，不能通过 diff 补回先前没打印的内容。
+
+Worker 改动按 [Cloudflare Request 文档](https://developers.cloudflare.com/workers/runtime-apis/request/) 显式传递 AbortSignal 并启用 enable_request_signal。Wrangler 本地 dry-run 打包与类型生成通过，没有上传或部署。Cloudflare 线上 DO 的真实客户端断连传播仍未验证；本地 Worker 路由/信号回归通过。Linux/Windows 实机、实际发布和登录 X 的原生效率对照也不在本轮验证结果内。
+
+上述独立复验完成时，修复仍保留为未提交改动，尚未推送、发版、部署或替换全局安装。随后用户明确批准正式发布 1.5.0，发布状态以 GitHub Release 与 npm registry 为准。