技能介绍

要解决的问题

查看 DeepSeek 开放平台的 Token 用量，需要在浏览器里走完登录流程：输入手机号、点发送、等短信、填验证码、进仪表盘。这套操作没法用普通 API 替代，而且点发送后会弹出一个数美（Shumei）行为验证码，要求从五个 3D 几何体里点出「最小的某个颜色/形状的物体」，不破解这一步就拿不到短信验证码。

技能如何工作

技能用 browser_use 驱动真实浏览器完成整条链路，核心难点是验证码弹窗——它会覆盖整个页面，导致常规截图超时失败。技能改用 desktop_screenshot 截取屏幕，再把图片和提示文字（如“Click on the smallest green cuboid”）交给 qwen-vl-image-reader 识别。

Phase 1 发送验证码并破解图形验证码：打开登录页，从实时快照定位手机号输入框（textbox）和 Send code 按钮，输入手机号后点击发送。弹窗出现后，用 evaluate 拿到验证码图片元素的 getBoundingClientRect()，同时从快照提取指令文字。因为五个物体水平均匀排列，识别出目标索引后即可算出中心坐标，再用 page_x / page_y 精确点击。验证通过的标志是页面出现 “Resend after 60s” 之类的文字；失败则从定位图片位置那步重试，最多 3 次。
Phase 2 等待短信验证码：这一步必须由用户提供短信验证码，无法自动化。
Phase 3 登录并读取仪表盘：填入验证码点击登录，等待仪表盘加载后截图，由 scripts/parse_dashboard.py 解析数据并以表格汇报。

批处理文件 scripts/phase1_send_code.json 和 scripts/phase3_login_and_read.json 把各阶段的操作参数化，分别接收 phone_number / verification_code、元素 ref（如验证码输入框和登录按钮的 ref）、skill_dir 与 work_dir 等参数。

适用边界与注意点

必须配置 DASHSCOPE_API_KEY，且 qwen-vl-image-reader 技能已安装在 skills 目录，否则验证码分析跑不起来。
浏览器需以 headed=True 模式启动，headless 下 desktop_screenshot 拿不到窗口画面。
短信验证码每次都要人工提供，流程在这一步会暂停等待。
验证码图片每次刷新都会更换，但格式不变；若 qwen-vl 识别不准，可切换 --model qwen-vl-max 提升准确率，截图需完整包含验证码图片区域。
页面 ref 可能随版本变化，必须从当前快照实时获取，不要写死。
批处理失败时按 step-by-step 手动走一遍通常能恢复；遇到 60 秒倒计时就等倒计时结束或重启浏览器。