Quick Auto Ops（学习后快速自动化操作）
Overview
智能体在执行「先看演示/视频学会一个流程，再被要求自动复现」的任务时，最容易犯的错误是：
每一轮对话都把已完成的步骤又做一遍（重新打开网页、重复点击、重复调用生图/生视频/付费 API），
既拖慢速度，又白白消耗积分。本技能用「一次性固化 runbook + 持久化状态机」把这个问题从根上消除：
学一次，跑多次，且永不重复已完成的步骤、永不二次计费。
When to Use
- 用户提供了视频 / 录屏 / 截图 / SOP，要求「照着做」「自动跑一遍」「把我演示的流程自动化」。
- 任务由多个有序步骤组成，其中部分步骤会消耗积分（生图、生视频、付费接口、长耗时工具）。
- 需要可中断、可续跑、可复用的自动化（不是一次性脚本）。
不适用：纯单步命令、无需状态跟踪的瞬时操作。那种情况直接做即可，不必加载本技能。
Core Principle（永久解法，务必遵守）
> 「已学会的流程只学一次，已完成的步骤只做零次（跳过）。」
> 任何动作执行前，先问自己：这一步在状态机里是不是已经 done？是 → 跳过；否 → 执行并立刻落盘。
Workflow
阶段一：学习并固化（只做一次）
- 从视频 / 截图 / SOP 中提炼出有序步骤清单。每个步骤记录：做什么、对什么对象、怎么验证成功、是否消耗积分、预估消耗多少。
- 把清单写成
runbook.json（格式见references/runbook_template.md）。这一步是「学习」的产出，之后不再重学、不再重看视频。 - 用状态机初始化执行状态：
python scripts/runbook_state.py init --runbook runbook.json --state state.json
阶段二：执行自动化（接到指令后快速跑）
收到自动化指令后，不要重看视频、不要从头解释流程，直接驱动状态机：
next取下一个待办步骤；若返回finished:true，说明全部完成，停止并汇报。- 对该步骤先
begin（状态机会累加尝试次数并做循环检测）：
- 若返回already_done:true→ 跳过，绝不重复执行。
- 若返回loop_detected:true→ 立即停手并上报用户，不要继续重试。 - 用合适的工具执行该步骤（浏览器自动化 / shell / API / 生图生视频等）。
- 成功后
done（消耗积分的步骤带--credits记账）；失败fail；无需做skip。 - 回到第 1 步。每一步执行后状态已落盘，因此中断后
next会自动从断点续跑。
阶段三：复用 / 续跑
- 同一 runbook 后续再被要求执行时，直接
status+next续跑，不要重新学习。 - 需要重做某步（如用户明确要求换图重生成）时，才用
force-reset --step <id>，且它会自动冲回原记的积分，避免重复计费。
Anti-Loop Rules（铁律）
- 只学一次：runbook 固化后，禁止再次观看/转写/读取原始视频来"回忆"步骤。
- 幂等跳过：
begin返回already_done时，跳过，绝不二次执行。 - 积分保护：标记
credits:true的步骤，除非force-reset，否则只执行一次；总消耗在status中可见。 - 循环熔断：同一动作尝试超过
loop_limit（默认 3）次即判定循环，必须停手上报。 - 明确终止：
next返回finished即结束，不因"再确认一下"而重跑已完成的步骤。 - 落盘优先：任何一步的状态变化（done/fail/skip）必须立即写入 state 文件，不能只存在上下文里。
Resources
scripts/runbook_state.py— 反循环执行状态管理器。所有进度、尝试次数、积分消耗、循环检测都由它持久化。references/runbook_template.md— runbook.json 的字段说明与示例。references/anti_loop_playbook.md— 「重复动作浪费积分」的根因复盘与永久解决方法论（含 BUG vs 不熟悉的判断）。
