Initial import of streamline

This commit is contained in:
2026-11-16 17:26:44 -08:00
commit 8e4aec1855
1221 changed files with 274256 additions and 0 deletions
@@ -0,0 +1,172 @@
你需要操作移动设备,并按要求复现。本次是第 2 批执行(用户退回任务后的重试)。
## 工作区
- /fixture/workspace/task-1
- 代码仓: `/fixture/ai_workspace` 下
## 任务契约
- 目标: 在连接的设备上跑到 SecuritySpec 里的指定场景,验证功能路线,并通过给定的frida hook日志、及关键功能截图,证明你成功进入了目标功能。
- 允许: 为完成观测,可以使用 Frida hook 修改代码或条件门禁,进入关键功能。一般来说可能是账号或服务端规则或ab等在当前条件下无法复现,需要使用hook强制开启。
- 禁止:修改代码。你的目标只是复现,不需要你改代码。
## Android 构建和安装
预处理已检出目标提交并应用 Security patch,尚未构建或安装 App。使用本节点的 RemoteX 构建方式构建并安装 APK,失败时排查修复后再复现。
## 推荐做法
→ 清空 frida-server,abmock,重置环境
→ 启动 frida-server,启动app
→ 注入脚本
→ 执行操作步骤
→ 观察 Hook
→ 通过脚本强制打开关键门禁
→ 观察 Hook
→ 修改脚本
→ 再次复现
→ 汇总证据
## 输入文件
先读取并以这些文件为准:
- /fixture/workspace/task-1/review_spec.md 原始的复现需求
- /fixture/workspace/task-1/machine_readable_repro_spec.json 人工复现的过程信息(仅参考价值)
- /fixture/workspace/task-1/TestSpec.md 你需要的复现路径
## Android 运行注意事项
- 如果你的复现需要多个设备,那你可能要通过hook等手段mock。
- ANR 弹窗不等于失败,一般来说应该忽略ANR弹窗。
- 如果同一场景持续 ANR、崩溃或弹窗阻塞复现,使用 Frida hook 短路关键阻塞点。
- 除了frida hook外,鼓励使用https://github.com/JingMatrix/Vector或https://github.com/LSPosed/LSPosed进行hook,注意观察端侧使用的真实框架。链接的设备具有root。
- 任务开始前记得检查有没有安装的xp模块,如果有作用于目标App的,记得卸载。
- 任务开始前,记得重置连接设备的frida-server环境,防止缓存导致的任务失败。
- 默认目标包是 `com.zhiliaoapp.musically`(Musically/M 包); 只有复现要求里明确要求 Trill/T 包时, 才使用 `com.ss.android.ugc.trill`。
- 登录频繁、拒登或 captcha 反复触发时,尝试切换账号或登录方式,实在不行需要你记录到最终文档。
- App启动可能会出现系统录屏请求,请同意录制。
## 执行事项
- ADB 设备由你根据任务自行选择;确定后设置 `TARGET_PHONE`,本轮所有 adb 命令都显式使用 `adb -s "$TARGET_PHONE"`。
- 你的hook脚本,以及编译出的xp模块,请放到`/fixture/workspace/task-1/artifacts/` 下
- 任务执行结束后,不要卸载app!!!任务执行过程中,不要卸载App!!!
- App内置了审查程序,你卸载会导致内部数据丢失。我会自己手动回收你执行完成的数据。
## 补证目标
- 首要任务是逐条解决复核反馈指出的问题,例如证据不足、结论存疑、需要补充某类日志/截图/抓包/Hook 输出。
- 不要覆盖上一批的事实。新增证据必须能映射到具体反馈项和 SecuritySpec 判定标准。
## 报告更新
- 更新 `EvidenceReport.md`:保留上一批内容,追加「第 2 批执行补证」段落,逐条写明反馈处理、新增观察、新增证据和结论变化。
- 更新 `EvidenceReport.json`:保持第一批同一 JSON schema,让 `overall`、`spec_items`、`blockers`、`diagnostics`、`known_limits`、`evidence_index` 与最新 MD 口径一致。`case_name` 保持空字符串,不要自己生成或猜测;
- 所有新增设备日志、logcat、抓包、截图、录屏、 脚本和输出只能写入 `/fixture/workspace/task-1/evidence/`;不要写入 `/fixture/workspace/task-1/logs/`。
任务上下文:
- 标题: 剪贴板越权读取
- 平台: android
- 目标构建 commitSHA: (默认分支 develop)
- 历史尝试次数: 1
## 一些相关知识库(仅参考)
## 执行条件记录(**本批执行必做,与写 EvidenceReport.md 同等强制**)
你是**第一个真正把这件事在真机上跑通的人**。TestSpec.md 里的执行条件(账号 / 入口路径 / 实验开关 / 构建方式 / 必要操作)是评估阶段**基于工单和代码调研推断出来的,没有在真机上验证过** —— 对不上是常态,写对了也只是碰巧。
所以本批请把「**复现并取证这个安全问题真正需要哪些条件**」逐条记下来。注意记录的对象是**条件本身**,不是"spec 哪里写错了":
```
/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js conditions record --kind <类型> --scope "<业务模块>" --subject "<这条讲哪件事>" --statement "<条件是什么>" \
[--spec <predicted|contradicted|absent>] [--spec-said "<spec 原本怎么写的>"] \
[--payload '<JSON>'] [--evidence <evidence/ 下的文件名>] [--assumed]
```
- `--kind`:account / entry_path / experiment / env / tricky / pitfall —— 分别对应 账号权限 / UI 路径 / 实验开关 / 设备构建 / 必要操作 / 陷阱
- `--scope`:这条在**哪个业务模块内成立**,如 "Story 相机"、"消息盒子"。**要稳定可复用**,别写成本任务专有的描述
- `--subject`:这条**讲哪一件事**,如 "特效面板入口路径"、"发布所需账号权限"。**同一件事在不同任务里必须写成同一个 subject** —— 这是系统判定新旧知识是否冲突的依据,写飘了矛盾就永远发现不了
- `--statement`:条件本身,写成**将来别人能直接照做**的形式
- `--spec`:顺手标注 spec 猜得怎么样 —— `predicted`(spec 已写对)/ `contradicted`(spec 写错了,请一并给 `--spec-said`)/ `absent`(spec 没提到)。**这一项只是给 spec 质量打分用的,不影响这条条件是否该记**
- `--payload`:能结构化就结构化,如 `'{"abid":"7712334"}'` 或 `'{"path":["我的","设置","隐私"]}'`。有结构化载荷时冲突判定精确得多
- 默认按「真机已验证」记录;**只是你从代码里读出来、没实际跑通的,加 `--assumed`**
**要记的是"下一个同模块任务也用得上"的条件**:取证路径实际怎么走 / 需要哪个账号或权限才能触达 / 要开哪个实验或 mock / 必须冷启动才能观察到 / 抓包或 hook 需要什么前置。
**不要记**:本次特有的代码改动、具体行号、一次性环境故障、你自己的操作失误。**你为了做得更好而主动做的设计取舍也不算条件** —— 那写进 EvidenceReport.md。
- **发现一条就立刻记一条**,不要攒到最后(session 末尾必漏)。
- **本轮结束前执行一次** `/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js conditions done`,它会汇总本批记了什么(无论最终证据结论如何都适用)。
- **拿不准算不算就记下来** —— 漏记的代价远大于多记。
- 这是你唯一被允许的"修正 spec"的方式:**严禁直接编辑 TestSpec.md 或 TestSpec.md**。
### 卡住时可以再查一次知识库
```
/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js kb recall --target security:sec-1 "<你的问题,用你会对同事说的话写>"
```
prompt 顶部那份知识是**按平台和历史有用度**选的,跟这张单子写了什么无关 —— 所以入口路径、实验开关、账号权限这类**跟当前这个页面绑定**的知识,派发时不可能命中。**在真机上卡住的那一刻直接查**:
- 例:`/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js kb recall --target security:sec-1 "Story 相机特效面板从哪进"`
- 命中的条目会**接着现有编号往下排**(顶部已经到 K6,新命中就是 K7、K8…),用法和顶部那些完全一样:采纳了就在报告里标 `〔K7〕`,并计入最后的 `KB_USED:`
- **查不到就是查不到**,它会直说;这时按你自己的调研走,别把「没查到」当成「不存在」
- 与你的代码调研冲突时,**永远以代码为准**
> 为什么值得花这几秒:被打回或进入下一批执行时,你读到的 EffectiveSpec.md 会自动带上这些已确证的条件,**你不会再踩同一个坑**;它们还会沉淀进蒸馏库,让以后同模块任务的 spec 从第一版就带着真实条件。
## 本轮的人工补充:
## 起构建 / 拉包 / 部署 —— 用 `wait-for`,不要自己写壳和轮询
**起一个长命令并等它跑完,一次调用:**
```bash
/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js wait-for --run '<你本来要跑的那条构建命令,原样放进来>' \
--timeout 45m --label 'iOS build r2'
```
它替你做完这四件事:后台起(与本次 Bash 调用解耦)、输出收进日志文件、等到结束、
把**真实退出码 + 日志末尾几十行**打回来。你不需要再写 `nohup`、不需要自己
`echo $? > x.exit`、不需要 `while true; do … sleep; done`。
**等一件已经在跑的事**(别人起的构建、上一批留下的进程):
```bash
/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js wait-for --pgrep 'airb pull' --timeout 20m --label 'pull app' # 等进程结束
/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js wait-for --pid 12345 --tail /tmp/build.log --timeout 30m # 等某个 pid
/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js wait-for --file ./deploy.log --match 'pull success' --timeout 20m # 等日志出现标记
/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js wait-for --until 'airb cmd "test -f /tmp/r3_build.exit"' --timeout 45m # 等任意条件
```
退出码:**0 成功 · 1 命令失败(真实退出码在输出里) · 124 超时**。
超时**不会杀掉 `--run` 起的命令**,而是打印 pid 和一条现成的续等命令 ——
等了 40 分钟的构建不该因为超时设小了就白等。`--help` 有全部参数。
**构建命令本身照抄本节点 skill 里的那条,不要凭记忆重写。**
它很长、带 `--other_linker_flags` 这类嵌套引号,重写时引号转义搓错一次,
就白烧一个 25 分钟的构建 —— 这是已经发生过的事。
把那条命令原样塞进 `--run '…'` 即可,转义只需处理最外层单引号。
**为什么必须这样:** 你每发一次 Bash 都是一个完整回合(思考 + 生成 + 全量缓存读取)。
用 `pgrep` / `date` / `du -sh` 一格一格轮询一个 25 分钟的构建,要烧掉几十个回合——
实测这类**完全重复的调用占了全部 Bash 调用的 14%**,是本系统最大的一块无谓开销。
`wait-for` 把它压成一次。
- Bash 工具的超时上限已经放宽到 1 小时,所以一次 `wait-for` 真的能等完一个构建;
但**默认仍是 2 分钟**,要长等就在 Bash 调用上显式传 `timeout`(毫秒)。
- 超过 2 分钟又没显式设超时的命令会被挪到**后台**,而后台任务会吊住整个 agent 进程不退出——
已经因此把做完的评估拖成"超时终止"。长命令要么设超时,要么用 `wait-for` 等。
- **不要用它等设备 UI 状态。** `catuse apps | grep -q …`、`adb shell dumpsys window | grep -q mCurrentFocus`、
`uiautomator dump | grep -q …` 这类**不要**放进 `--until`。构建有确定的终点,等不到就是还没好;
**UI 状态没有** —— 它可能永远不出现(点错页、弹窗挡住、App 崩了),而这时你只会拿到一句
「没等到」,不知道现在到底在哪一页。用 `catuse ui` / 截图看一眼当前状态,再决定下一步。
实测:上线三天里 33 次超时烧掉 4.4 小时,**全是这么用的**,超时值清一色 3–8 分钟(UI 尺度,不是构建尺度)。
- **等界面就用 `/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js wait-for --ui-text '<文案>'`,别写死 `sleep`。** 点完 / 冷启 / 切页之后要等某个画面,
写 `/opt/homebrew/lib/node_modules/bun/bin/bun.exe /fixture/satellite.js wait-for --ui-text 'Inbox|收件箱'`(正则,不分大小写):每秒读一次结构树,出现就立刻返回;
等加载提示消失用 `--ui-gone 'Loading'`。默认 30 秒、上限 3 分钟 —— 它是秒级的,不是上面那种长等;
等不到时会**打印当前屏幕上的文案**,你直接知道实际在哪一页,不用再截图看。上一批抽样里每轮有 3–21 分钟
花在写死的 `sleep` 上,多数界面一两秒就好了。点击后零点几秒的 settle(`sleep 1`)照常写。
- `wait-for` 只负责**等**,不负责启动。构建照旧用本节点的构建方式起(后台起 + 落一个退出码文件),
再用 `--until` 等那个文件。
- 等到 124 超时,就如实写"等了 N 分钟未完成",**不要改写成「验证环境阻塞」**——
后者是最贵的误判,它看起来像基础设施坏了,于是没人会重跑。