会议时间：2026-03-16 参与人员：说话人A（项目负责人，主导）、说话人B（朱晨，负责进出口记录技能开发）、小关（前端/UI 相关）

一、核心议题

1. 进出口记录技能跑通情况

• 朱晨反馈：单独跑脚本时调 sklearn 没问题，但在技能里跑会出现莫名其妙的页面跳转（疑似反爬或登录冲突）。
• 说话人A 指出：刚才他自己也在登录，可能造成登录冲突，并触发了对方网站的频率限制（提示”7 分钟内禁止登录，密码尝试错误”，实际是登录频率限制）。
• 密码问题：通过 Docker 跑起来时密码正确；但单独运行脚本时，读取 .env 环境变量会把美元符号截掉（被识别成 shell 变量）。解决方案：在环境变量里把美元符号包起来（类似 script $1000 的转义形式）。

2. 实验方式的整体重构

• 说话人A 主张换一种实验方式，不再走原来基于 Puppeteer 的方式（难调、需要人为参与多）。
• 新方式：使用 agent 浏览器（可记住登录态），初始化一个浏览器后，把原来用的 Puppeteer 库换掉。
• 让 AI 先实现一个”指导文档”，按指导文档去登录网站、做搜索等操作，本质上跟技能的 Markdown 文档是一样的。
• 一开始不要直接创建技能，而是创建指导文档，更清晰、更好控制。

3. 后续技能化方向

• 后面可能会出一个”技能指导”型的技能，专门帮助用户实现日常操作网站的能力（类似用 Tedy/特意去查公司、查联系人）。
• 用户只需把要求放进来，技能就会跑出整个流程。一开始 AI 会消耗很多图片去判断怎么跑，跑通一遍后即可写成脚本，后续直接调脚本即可。
• 最终形态：项目核心只有 3 个文件——一个 SH 命令、一个 Markdown 指导文档、一个 API 包裹层。后续这些文件可交给 AI 维护。

二、技术决策与方案细节

1. agent 浏览器复用 session

• agent 浏览器初始化后能记住登录态，后续脚本运行时复用同一 session，不要重复登录、不要并发登录。
• 调试流程：先在本地让 AI 跑通一次，跑通后让它把过程总结到指导文档里，再让它生成 base/SH 脚本。

2. API 层封装

• 做一个简单的 API 服务，包裹脚本调用。
• 加锁机制：API 层做一个简单锁，正在运行的请求让后续请求等待，并设置 3-4 分钟的超时（建议 3 分钟超时即取消）。
• 必须保证脚本运行时复用同一 session，不要重复登录、不要并发。
• 输出格式：之前是 JSON，现在可以继续 JSON，也可以直接输出 Markdown（反正给 agent 消费）。

3. 脚本更新流程

• 当对方网站版本变更时：先改指导文档 → 让 AI 根据文档重新跑通 → 让 AI 把脚本同步更新 → 即完成 API 服务更新。

4. 模型定价简化（Issue 94 / PR 93）

• PR 93 已对模型定价做了简化（之前 AI 给的方案太复杂）。
• 朱晨在贸易记录搞完后接着搞 Issue 94：根据 PR 93 生成 task 文档，再根据 task 文档去执行（用 IRO 的 SQL 实现，方式自定）。
• 后续可能调整为积分制：1 美金 = 20 积分，按积分扣费；如不调整则继续按美元计费，未来再统一替换。

5. LLM 网关（preview 域名）

• 沙箱里之前用 Claude fair 的公网随机域名，现在不需要。
• 全部改成使用 preview-<random>.review.make.com 这种域名（随机字符串 + 固定后缀）。
• 直接把描述给 AI 实现即可。

三、UI/交互细节

• icon 形式：小关找佳林要 agent icon。
• 移动端要求：
  • 不需要做得特别好，但要能用。
  • 基本对话已 OK，但要支持侧边栏，移动端时可折叠并展示一个 icon，可点击打开侧边栏。
• 报价单编辑接口、推荐编辑器调整、分享对话（13）暂缓。
• Issue 51 暂时只做”抬起来”占位，不做，下周一再做。
• Issue 49：可能让金芳造一些数据，然后把某个组织的数据抽出来。
• Issue 53：本周四会做，部分场景改成通过子代理（sub agent）跑，节省主代理 TOKEN。

四、后续行动与分工

角色	任务
朱晨	删除原 Puppeteer 方式代码，改用 agent 浏览器 + 指导文档 + SH 脚本 + API 包裹层；搞定贸易记录后接着做 Issue 94（基于 PR 93 的模型定价简化）；解决 .env 密码截断问题（让 AI 评估如何避免截断）
朱晨	评估按哪种方式改最快，优先把功能跑起来；如需另一个账号，可向说话人A 申请
小关	找佳林要 agent icon；移动端侧边栏折叠能力；查看 Issue 中其他 bug
朱晨	排查本地 agent 标题生成慢的问题；尝试切换 GLM 模型；如标题生成失败不要让它阻塞主流程
全员	调成系统管理员，查看用户使用情况；模拟登录后记得退出

五、其他要点

1. 提交节奏（强调）

• 接下来一两周任务执行期间要尽快提交，不要等到下班才提交。
• 切分支、创建分支都让 AI 操作，能并行就并行；不能并行也要做完一个小功能马上提交。
• 单功能耗时超过 2 小时就要重新考虑实现方式或是否卡壳。
• 不要出现像调 Tedy/特意那样花很长时间的情况——确定方案后就先提交一次，后续再完善。
• 大任务拆小任务，每个时间节点都应该比较小。

2. AI 调试思路

• 减少自己的调试与 agent 调试，把控好错误节点边界（API 能正常输出后，再去调技能，能跑过一次拿到错误即可）。
• 可以让 AI 在 main/慢分支上提交部署后，直接在正式环境调（现在打包约 2 分 40 秒）。
• 不要给 AI 过于宽泛的任务，开 plan 模式先制定详细计划再执行；sub agent 用于提速，plan 模式用于详细计划。

3. 标题生成

• 标题生成走 GLM 模型；线上未必正常生成，可考虑改成失败也不阻塞主流程。
• 朱晨本地慢可能与 AI Gateway 连接慢有关，可换模型试。

4. Todo 形式

• 系统已增加类似 Codex 的 Todo 形式，今天早上部署，把计划列出来。
• 后续目标：让 agent 内部执行时直接约束自己要做哪些事（如公司背调 agent 在提示词里要求创建 Todo，AI 据此执行）。

5. bug 处理原则

• 金芳和老板那边提供的 bug，给 AI 时不要直接让它解决，先讨论 issue、细化后再处理。

6. 模拟登录

• 系统管理里可模拟登录，登录完记得退出。