千问浏览器原生 CDP 驱动

为什么不用 xbrowser / agent-browser

xbrowser（底层 agent-browser）驱动不了千问。实测 agent-browser --cdp <port> 连千问（真实或干净 profile 都试过）后，驱动已存在的页面 target 会静默/挂死（空 profile 跑 2m35s 零输出，最终报 Auto-launch failed ...:9407）。xb 的 run.cjs 对本地浏览器一律传 --cdp，所以 xb run --browser qianwen 彻底走不通，不要浪费时间在这条路上。

根因 & 解法（已验证）

• 千问对「外部 CDP 连接」操作已存在的页面 target（通义千问桌面页、AI插件页等）一律静默。
• 但用 browser 级 WebSocket → Target.createTarget 自己新建的页面 target 完全可控（Runtime / DOM / Input 全可用）。
• 因此驱动千问必须「原生 CDP + 自建新 target」，绝不用 --cdp 连旧实例。

工具

qw.cjs（本 skill 目录内）。依赖 ws 模块（环境变量 QW_WS_PATH 指定，或自动探测 ~/.workbuddy/skills/xbrowser/... / ~/.openclaw/tools/xbrowser/... 常见位置）。

调用示例（用 managed node）：

NODE="C:/Users/<用户名>/.workbuddy/binaries/node/versions/22.22.2/node.exe"
$NODE qw.cjs check                                   # 先诊断：9666 是否就绪 / 千问是否在跑
$NODE qw.cjs ensure                                  # 9666 在就直接连（不起实例）；不在则提示用 launch 或自行从 lnk 打开
$NODE qw.cjs launch                                  # 仅当确认要起实例时：先优雅关在跑的千问，再起带 9666 的
$NODE qw.cjs open "https://www.baidu.com"            # 新建 tab 并导航，输出 targetId
$NODE qw.cjs navigate <id> "https://..."             # 已有 tab 导航
$NODE qw.cjs eval <id> "document.title"              # 执行 JS
$NODE qw.cjs snapshot <id> [css选择器]               # 取标题/文本/链接/输入框
$NODE qw.cjs click <id> "#su"                         # 点击元素（按坐标派发鼠标事件）
$NODE qw.cjs type <id> "#kw" "机器人 ROS2"            # 向输入框填入文本
$NODE qw.cjs screenshot <id> [out.png]               # 截图
$NODE qw.cjs list                                    # 列出所有 target
$NODE qw.cjs close <id>                              # 关闭 tab
$NODE qw.cjs relaunch                                # 实例挂掉时：taskkill + 重拉 9666

每个命令都是独立进程，连接到常驻的千问 CDP 实例（默认 9666）操作，所以可多次调用串起多步自动化。

关键常量

• 千问 exe：C:\Users\<用户名>\AppData\Local\Programs\QianwenApp\qianwen.exe（Chromium 130；环境变量 QW_EXE 可覆盖）
• 真实 profile：C:\Users\<用户名>\AppData\Local\Qianwen\User Data（登录态/标签页在这里，驱动走的也是这个实例；环境变量 QW_PROFILE 可覆盖）
• CDP 固定端口：9666（cdp_default_port 是 9407，是 agent-browser 默认回退端口，报错里见到的就是它）

已验证的端到端能力

open 百度 → type 搜索框 → click 搜索 → 搜索结果正文读出 ✅。即「开页 + 输入 + 点击 + 读内容」真实交互全通。

读钉钉文档「多维表」（已验证 2026-08-04）

钉钉多维表（alidocs.dingtalk.com/i/nodes/<nodeId>?...sheetId=...）在千问里由同域 iframe #wiki-notable-iframe 承载，contentDocument 可直接读（非跨域）。数据不是 canvas，是真实 DOM：[role=grid] 网格 + 虚拟化行/列（只渲染可见窗口）。

读取步骤：

1. qw.cjs list 找标题含「多维表」的 page target（取 id）。
2. qw.cjs eval <id> "document.getElementById('wiki-notable-iframe').contentDocument.querySelector('[role=grid]').innerText" → 直接拿整表文本（表头+可见行）。
3. 取行数/列数：contentDocument 内 querySelectorAll('[role=row]') / [role=cell]。
4. 全表需翻页/滚动累加：虚拟化只渲染窗口（实测约 42 行/次），要对 iframe 内网格容器逐屏 scroll 并拼接，才能拿全量行。

• 注意：钉钉文档外层 page 的 innerText 只含左侧知识库文件树，「研发项目管理多维表」本身是 iframe 里的 grid，必须进 iframe 读。
• 该表即记忆里的「ROS软件项目管理表」：nodeId=amweZ92PV6mrnN5mIeGyNM3GWxEKBD6p、sheet=O4kXTnQ，字段≈项目名称/负责人/优先级/项目进度细节登记/进度示意/小批量跟进。

读微信读书正文（实测 2026-08-04）

微信读书网页版（weread.qq.com）分两层：

1. 目录 / 章节标题 / 元数据：纯 DOM 文本，可读。全书 TOC 可直接从 .wr_page_reader（style/script 剔除后）textContent 抽出。
2. 正文 prose：页面栅格化为 canvas（.readerChapterContent 里有 renderTargetContainer + <canvas>），直接 DOM textContent 只能拿到「JS复制代码」等 UI 文本，正文不暴露为文本。想读正文必须 qw.cjs screenshot 截取页面 → OCR。
   • innerText 返回 0/空：微信读书把每一页做成绝对定位的「页」块，Chromium 的 innerText 算不出可见文本。
   • 读整本书：截图每一页 + OCR，或利用 weread 的「文本选择/复制」层（如果存在）逐段模拟选中，成本更高。
   • 环境：工作目录有 chi_sim.traineddata（中文 OCR 数据），但本机缺 tesseract 主程序，装完后即可 OCR。

坑（必记）

0. 🚨 重要更正（2026-07-30）：49666 端口不是千问！它是 svchost.exe（Windows 系统服务，PID 2400） 监听的，与千问无关（曾误判为"千问内部端口/日常实例"，已纠正）。千问自身 CDP 端口固定 9666。

   • lnk 注入早已生效：4 个千问快捷方式（开始菜单 / 桌面 / 任务栏 / Quick Launch）的 ARGS 均含 --remote-debugging-port=9666（UTF16 编码，ASCII grep "9666" 搜不到，必须用 LNK 二进制解析确认，曾因此误判"未注入"）。日常千问从 lnk 双击即带 9666。
   • 🚨 核心纪律（老板明确要求）：老板的快捷方式/自启动/菜单入口已全注入 9666，日常千问本就该自带 CDP 端口。脚本启动前必须先 check 现状：
     1. 9666 已在监听 → 直接连，绝对不另起实例（最常见情况，连老板日常千问即可）。
     2. 9666 没在、但千问在跑（无端口）→ 不要 spawn 第二个实例（单例冲突、占窗口、刷回收站）。提示老板关掉后从带 9666 的 lnk 重开，或显式调 launch（launch 会先优雅关在跑的千问再起）。
     3. 9666 没在、千问也没跑 → 让老板从 lnk/菜单/自启动打开（自带 9666），或显式 launch。
     • ensure 已改为「只连不起」：9666 在即 alreadyUp 直连；不在则返回 needLaunch 提示，不再 spawn 裸实例。launch 才是真正起实例的命令，且会先关在跑的千问避免单例冲突。
     • ⚠️ PowerShell Start-Process 在 WorkBuddy 沙箱里拉不起 GUI 进程，不要自己 Start-Process。
   • 回收站刷文件（千问自身行为，2026-07-30 确认）：只要千问在跑，就持续把临时缓存/上报文件（1'jssdkidx'/'pctrace'/'api'/'jserr'、Browser_.ulog、network.mojom、DXCACHE-）以「可恢复删除」移入回收站 → 回收站一直涨。这是千问客户端自身行为，并非强杀导致（强杀只是加剧脏残留）。关掉千问即停止增长。治标=定时清回收站；根治=反馈千问团队/关闭诊断上报。
   • 🚨 不要起后台千问实例占单例锁：qw.cjs ensure 起的 9666 实例若一直不关，会占着 SingletonLock + 显示，导致用户从桌面双击图标走单例激活这个无正常窗口的后台实例 → 表现为「打不开/看不到登录态」。需驱动千问时优先连已有实例；临时起用完即关（Browser.close / Stop-Process 不带 -Force），绝不留后台孤儿实例。
   • patch_lnk.py 已落库，用于检视/补注入 lnk 端口（正确解析 LNK 二进制，绕开被拦的 WScript.Shell COM）。

1. 必须建新 target：永远用 open/Target.createTarget 开新 tab，别去驱动千问自带的桌面页（静默）。

2. 实例挂掉恢复：千问主进程可被 Stop-Process -Force 杀掉，但 WpkService 孤儿进程（--type=utility，引用真实 profile）从 WorkBuddy 沙箱杀不掉（taskkill 返回 exit 1）。它们不占主 SingletonLock，新主实例仍能起，只是堆积会拖慢冷启动。恢复用 qw.cjs relaunch。

3. 路径正斜杠：千问对 --user-data-dir 反斜杠路径会秒退，必须正斜杠（脚本内已处理）。

4. 强制窗口模式：千问无头不稳定，必须 headed（脚本内已默认）。

5. 登录态由真实 profile 保留 → 自动化时就是老板本人已登录的千问，对外操作（发消息/发帖）仍遵循"先问再动"。

6. 诊断登录态看 Default/Network/Cookies：新版 Chromium(M120+) 把 Cookies 从 Default/Cookies 移到 Default/Network/Cookies。查 Default/Cookies 不存在是正常现象，会误判「登录态丢失」；真正判断登录态完好与否要读 Network/Cookies（大小正常即未丢）。

7. 对外「清理/关闭/删文件」操作极度谨慎：曾因反复强杀/清回收站/删 User Data 文件把老板日常千问搞到「打不开」。动手前先确认影响范围，拿证据说话，不嘴硬。

何时用

用户要在千问里做自动操作（查资料、填表、抓页面、定时任务等），且要求保留登录态。直接调 qw.cjs，不要走 xbrowser。