移动端行为

vp run mobile:behavior 检查 iOS 应用的行为，依据的是它自身的状态，而不是像素：滚动位置、掉帧、Composer（编写器）草稿与焦点、状态标签，以及打开的是哪条对话线程（thread）。它从 Simlock 池租用一台 iPhone 18 Pro 和一台 iPad Pro 13，并在两台设备上并行运行这些用例。它与 vp run mobile:e2e 配套，后者检查布局。

不运行任何模型。每台设备有自己的服务器，其上唯一的提供方（provider）evalbot 是一个由 fake-fx.ts 支撑的 Fx 实例。消息中的 [[eval:…]] 标记用来选定脚本化回复：一段按节奏推进的流、一个被挂起的回合（turn）、一个提问、两个子智能体，或一次失败。每台设备还有自己的 Metro，并把仅用于开发的探针（behavior-probe.ts）编译进去。探针通过 Metro 的 Hermes 检查器读取应用状态，由 agent-device 驱动触摸。

运行

需要 SIMLOCK_AGENT_DEVICE_URL 和 AGENT_DEVICE_DAEMON_AUTH_TOKEN，与 mobile:e2e 相同。

vp run mobile:behavior                                    # both devices, 3 samples per case
vp run mobile:behavior --device iphone-18-pro --samples 1 --case scroll-up-never-teleports
vp run mobile:behavior --list                             # devices and cases

输出写入 artifacts/mobile-behavior/<run>/：summary.md 是记分板。每台设备的文件夹中有 results.jsonl（每个用例样本一行）、run.log、metro.log，以及 env/ 下的服务器。完整运行一轮大约需要 15 分钟。

当已评分样本中有一半或更多失败时，该用例失败；当错误数多于已评分样本时，记为 incomplete。guard 或 control 用例失败或不完整时，这一轮运行失败。bad 用例用来复现已知缺陷，在这些缺陷修复之前都会失败。

指标

滚动。 探针在每一个 JS 帧上读取对话线程列表的状态，并记录每个可见行在屏幕上的 y。backwardPx 是逆着拖动方向的最大位移。teleports 统计超过 400 pt 的单帧位移，这比真实的甩动更快。maxFromEndPx 是距离最新消息的距离。
卡顿。 JS 线程的帧来自探针中的 requestAnimationFrame，UI 线程的帧来自一段 worklet 循环。模拟器以 60 Hz 渲染，注入的滑动会占用模拟器的 UI 线程，因此滑动用例只对 JS 帧评分。
Composer（编写器）。 草稿存储、无障碍树中的编辑器文本、是否已展开，以及键盘是否弹起。
状态。 主页每一行的状态来自应用自身的 resolveThreadListV2Status，以及「正在工作」搁架上的数量，并与服务器状态对照。

添加用例

用例是 cases.ts 中的数据：一个 id、一个 kind（bad 目前会在 main 上失败，guard 必须保持通过，control 是日常使用）、它的 source 问题、产出其指标的 scenario、一项 key 指标，以及 checks。新的流程写在 scenarios.ts 中。在修复之前先添加用例，这样缺陷仍在时，它会在 main 上失败；修复落地后，把它从 bad 改为 guard。

尚未覆盖：Live Activities 和通知点击（它们需要 T3 Connect 中继（relay）以及已送达的推送）、原生编辑器滚动、后台工作胶囊和异步提问（Fx 没有后台任务），以及 120 Hz 节奏。

移动端行为 ​

运行 ​

指标 ​

添加用例 ​

移动端行为

运行

指标

添加用例