@Roy-Mustang said in Новый модуль AI Captcha в BAS: полный разбор, настройка и реальные тесты:
Тут стоит понимать, что это не одна кнопка, типа нажал и оно само всё решило. Нужно реально сидеть и тестировать: пробовать разные модели, менять инструкции, переключать режим мышления low и high, смотреть, где всё ломается, и запускать ещё раз. По большей части результат здесь зависит именно от тестов, потому что одна модель может нормально решать одну капчу и вообще не вывозить другую
Спасибо за такой фундаментальный разбор! Видео пока не смотрел, прочитал текстовую часть. После твоего описания я позволил себе немного дать волю фантазии.
В проектах с обычным программированием я стараюсь обкладывать цикл «попробовал → проверил → разобрал ошибки → повторил» кастомными skills, harness и проверками. Судя по разбору, в модуле уже есть инструкции и подробные логи. Внешняя обвязка могла бы помочь автоматизировать целые серии экспериментов: сравнивать модели, инструкции и режимы мышления в одинаковых условиях, собирать статистику и переиспользовать удачные процедуры.
Сразу оговорюсь: это гипотеза. Сам я такую интеграцию ни разу не делал и даже пока не добрался подробно посмотреть, что нового появилось в BAS.
В предлагаемой схеме на каждую новую независимую задачу BAS адаптер запускает отдельную сессию агента Codex или Claude Code. Последующие обращения этой задачи продолжают её сессию. Следующая независимая задача получает новую отдельную сессию.
Представляю примерно такую логику:
Новая задача BAS
→ локальный API-адаптер
→ запуск отдельной сессии агента
→ передача картинки, инструкций и контекста
→ работа агента с кастомными skills
→ анализ картинки и подготовка результата
Ответ агента
→ адаптер проверяет и преобразует ответ
→ BAS получает его в ожидаемом формате
→ BAS выполняет действия
Следующий шаг этой же задачи
→ запрос направляется в её существующую сессию
В качестве основы можно использовать готового агента через Codex SDK или Claude Agent SDK. Картинку анализирует модель с поддержкой изображений, а skills задают процедуры работы и использования доступных инструментов.
При этом пока совершенно непонятно, как адаптер будет отличать запрос новой задачи от продолжения предыдущей. Нужно изучить содержимое запросов BAS, наличие идентификаторов и способы определить начало и завершение задачи. Возможно, эту информацию придётся передавать отдельно. Также потребуется различать обращения к основной и вторичной модели: у них разные роли и входные данные.
Для многопотока предполагались бы параллельные независимые задачи, каждая со своей сессией. Адаптер управлял бы очередью и распределением запросов. На время каждого эксперимента фиксировались бы версии skills, инструкции и настройки, а логи и рабочие файлы хранились бы отдельно.
Для оценки результата потребуется обратная связь от BAS или браузера: ответ модели ещё не означает, что действия выполнились правильно и сайт принял капчу. Как ты и отметил, одного model_done недостаточно.
Harness мог бы собирать эти результаты вместе со временем, расходами и неудачными попытками. После серии прогонов агент анализировал бы ошибки и предлагал изменения, которые проверялись бы следующей отдельной серией тестов.
Причём сравнивать стоило бы и с текущим вариантом работы модуля BAS — по успешности, задержкам и полной стоимости. Тогда стало бы понятно, какую практическую пользу даёт дополнительный агентный слой и оправдывает ли она сложность такой обвязки.
P.S.
Прошу воспринимать все написанное исключительно как фантазию, а не руководство к действию, так как надо все допущения валидировать.