Web Verify Patcher（网页验证码识别与验证方案分析）
使用这个技能分析网页验证码或网页验证材料，输出安全、可落地的“识别 + 厂商判断 + 验证分析方案 + 授权验证流程”。第一阶段做类型/厂商识别和方案选择；真实网页取证时先建立用户手动成功样本基线；第二阶段只在用户明确选择方案并确认授权后，编排离线求解、坐标/轨迹生成、平台请求模板、失败复盘、方案切换或授权验证测试。
工作流程
- 优先基于用户已提供的离线证据分析：HTML 片段、脚本 URL、iframe URL、页面可见提示文案、截图元信息、厂商参数名、网络接口名。
- 如果必须打开真实网页取证，先读取
references/browser-acquisition.md，并按其中的取证模式执行。启动任何浏览器前先让用户确认模式：ruyiPage + RuyiTrace、仅 ruyiPage、Camoufox + camoufox-reverse-mcp、仅 Camoufox、CloakBrowser、用户手动取证或 AI 自行决定。用户未确认前，不要打开页面、截图、抓包、注入 Hook、读取 Cookie/Storage 或启动任何浏览器工具。 - 打开网页时不要直接使用普通 Playwright、Puppeteer、系统浏览器或 CDP 路线；已选模式不可用时，暂停并让用户确认安装、提供路径、降级或切换，不要静默 fallback。验证码、登录、MFA 或设备验证出现时暂停，让用户手动完成或改为离线分析；授权取证时让用户多次手动完成验证码成功样本，用
scripts/evaluate_success_baseline.py判断成功基线是否足够。 - 用现有证据运行离线分类脚本：
-python scripts/classify_verify.py --html page.html --url "https://example.test/login" --text "拖动滑块完成拼图" --pretty
---html、--text、--screenshot-meta既可以传文件路径，也可以直接传字符串。 - 得到初步分类后，再按需读取参考文件：
- 需要判断厂商/产品特征时读references/provider-products.md。
- 需要判断验证码形态和证据要求时读references/captcha-types.md。
- 需要按类型给方案时读references/solution-playbooks.md。
- 需要打开真实网页、截图、抓包或采集页面证据时读references/browser-acquisition.md。
- 如果image-restore命中captcha_variant: tile-scramble，先用scripts/analyze_tile_restore.py判断是否是切片/分块乱序图，再分析tileOrder、pieceOrder、background-position、drawImage或纯图片边缘连续性。 - 用户从
solution_options中选择方案并明确确认后，进入第二阶段：
- 总流程必须读references/verification-workflow.md。
- 使用开源/本地方案时读references/open-source-recipes.md。
- 使用打码平台时读references/solver-platform-recipes.md。
- 需要坐标换算、滑块/拖放/刮刮卡/轨迹绘制时读references/motion-and-coordinate.md，优先用scripts/map_coordinates.py和scripts/generate_motion_track.py生成离线结果。
- 需要厂商执行注意点时读references/provider-execution-notes.md。
- 进入真实网页验证前，先评估用户手动成功样本基线：默认同一授权目标至少 5 次成功样本；若观察到新的验证码类型，该类型至少 2 次成功样本。基线不足时输出强提示，但用户确认后仍可继续离线分析或受控验证。
- 同一授权目标、同一验证码类型、同一用户选择方案出现连续失败时，用scripts/evaluate_verification_attempts.py复盘 attempts JSON；连续 5 次失败且图片/坐标/轨迹/切片还原/补环境/challenge 新鲜度均无明显异常时，主动建议recommended_next_route: platform-control。
- 真实页面点击、拖动、提交或抓取 Cookie/Storage 前必须再次让用户确认授权目标、执行模式和浏览器取证模式。 - 输出报告时必须包含：
-captcha_type
-provider
- 置信度和命中的信号
- 为什么判断为该类型/厂商
- 推荐方案：先给开源/本地方案，再给低通过率时的打码平台或人工/厂商备选，最后说明切换条件
- 关键风险和缺失证据
- 第二阶段执行时还必须包含：用户选择的方案、执行前检查结果、是否需要真实网页操作、需要用户确认的动作、产物路径或 JSON 结果
- 真实网页取证或第二阶段执行前还必须包含：success_baseline_status、success_baseline_summary、missing_success_samples
- 第二阶段失败复盘时还必须包含：attempt_summary、diagnosis_status、switch_triggered、recommended_next_route、platform_control_plan、requires_user_confirmation
分类标签
使用这些固定类型标签，便于脚本和报告保持一致：
text：文字、数字、字母数字混合或简单图片验证码。math：算术验证码，需要先 OCR 再解析表达式。slider：滑块/拼图验证码，需要识别缺口或目标偏移。click-select：点选文字、图标、物体或按顺序点击目标。rotate：旋转图片或物体，使其转正或对齐。grid：九宫格或多宫格图片分类验证码。audio：语音/音频验证码，需要识别播放内容。drag-drop：拖放物体到目标区域，不等同于单纯滑块。trace-draw：轨迹绘制、连线或画线验证。scratch：刮刮卡式验证，需要刮开或覆盖指定比例。image-restore：图片/图像复原、乱序拼图、滑动还原；切片/分块顺序打乱时保留主类型，并补充captcha_variant: tile-scramble。area-select：框选、圈选或选择图片区域。difference-click：找不同、找茬或点击差异点。font-identify：选择相同/不同字体或字体样式识别。semantic-reasoning：空间语义、视觉关系或逻辑图片题。game-challenge：小游戏、3D、骰子或 Arkose/FunCaptcha 类交互题。pow-challenge：工作量证明/浏览器计算挑战，如 FriendlyCaptcha、ALTCHA、Cap.js、mCaptcha。risk-score：无感、无痕、隐形或风险评分验证，如 reCAPTCHA v3 类。one-click：一键、checkbox、按住或点击完成验证。multi-step：多轮、多步或分页挑战；优先同时记录具体子类型。qa-logic：问答、逻辑题或安全问题式验证码。biometric-liveness：活体、人脸或生物识别验证；只做边界清晰的识别和合规建议。token-widget：基于sitekey、pageurl、action的组件，如 reCAPTCHA、hCaptcha、Turnstile，当前未展示具体图片题。waf-challenge：反自动化/WAF 验证，常见输出是 clearance cookie、WAF token、PoW 结果或环境检查结果。unknown-custom：自研、未知或证据不足。
使用这些固定厂商标签：
recaptcha、hcaptcha、cloudflare-turnstile、cloudflare-waf、geetest、tencent-tcaptcha、netease-yidun、aliyun-captcha、shumei-captcha、dingxiang-captcha、baidu-captcha、jdcloud-captcha、yunpian-captcha、huawei-captcha、tongdun-risk、aws-waf、datadome、arkose-funcaptcha、mtcaptcha、keycaptcha、friendlycaptcha、altcha、yandex-smartcaptcha、captchafox、prosopo-procaptcha、trustcaptcha、private-captcha、capjs、mcaptcha、iconcaptcha、botdetect、securimage、visualcaptcha、amazon-captcha、cybersiara、aj-captcha、tianai-captcha、easycaptcha、happycaptcha、kaptcha、akamai-bot-manager、imperva-incapsula、perimeterx-human、kasada、netacea、radware-bot-manager、f5-bot-defense、custom-or-unknown。
输出格式
面向用户输出时建议使用这个结构：
{
"captcha_type": "slider",
"captcha_variant": null,
"variant_confidence": null,
"restore_strategy": null,
"tile_restore_evidence": [],
"provider": "geetest",
"confidence": 0.91,
"signals": ["命中 geetest 脚本 URL", "命中 captcha_id 参数", "页面文案包含滑块/拼图"],
"recommended_playbook": "references/solution-playbooks.md#slider",
"solution_options": {
"open_source_first": ["ddddocr slide-match/slide-comparison", "OpenCV 模板/边缘/差分匹配", "轨迹模型与坐标校准"],
"fallback_platforms": ["云码/JFBYM 滑块类型", "超级鹰滑块/坐标类型", "CapSolver", "2Captcha GeeTest/slider 类任务"],
"when_to_switch": ["缺口弱边缘", "背景乱序/透明块", "厂商行为评分导致视觉偏移正确但验证失败"],
"notes": "视觉偏移、DOM 坐标、拖动轨迹和厂商加密参数要分开分析。"
},
"summary": "疑似极验滑块验证。建议重点分析图片提取、缺口/偏移识别，以及授权测试流程中的参数绑定关系。",
"missing_evidence": ["挑战区域 HTML", "背景图/滑块图 URL", "verify 接口名"]
}
默认优先建议开源/本地方案，例如 ddddocr、OpenCV、Tesseract、Whisper/faster-whisper、YOLO/CLIP/VLM；当开源方案样本通过率不足、题型过于复杂时，再建议用户自行选择打码平台或人工接管，例如云码/JFBYM、超级鹰、2Captcha、CapSolver、CapMonster Cloud、Anti-Captcha、YesCaptcha/NoCaptchaAI。不要替用户执行提交、token 注入或未授权绕过。
第二阶段执行计划建议使用这个结构：
{
"phase": "verification-flow",
"chosen_solution": "open-source-slider",
"authorization_scope": "用户确认的自有/授权测试目标",
"preflight": ["证据足够", "依赖可用", "不需要真实网页操作"],
"success_baseline_status": "insufficient",
"success_baseline_summary": {
"total_success_samples": 0,
"min_total_success_samples": 5,
"min_success_samples_per_type": 2,
"observed_captcha_types": []
},
"missing_success_samples": [],
"offline_steps": ["识别缺口偏移", "换算 DOM 坐标", "生成滑块轨迹 JSON"],
"requires_live_browser": false,
"attempt_summary": null,
"diagnosis_status": null,
"switch_triggered": false,
"recommended_next_route": "continue-current-route-with-diagnostics",
"platform_control_plan": {
"role": "授权 QA 对照，不默认发送请求",
"send_request": false
},
"requires_user_confirmation": ["如需在真实页面拖动并提交，必须再次确认"],
"artifacts": ["offset/coordinates/track JSON"]
}
