fix(computer-use): restore text-only observation and unblock the Enter path

[bobleer]

背景

排查 logs/cua-202608110456.txt——一次「给飞书联系人发一条消息」的完整调用。任务本身约 8 步，实际跑了 73 次工具往返，其中 10 次是模型自己用 screencapture + 图像分析凑合出来的「眼睛」。

顺着日志回溯，绝大部分开销来自四个互相放大的缺陷。

1. macOS 上 describe_screen 一直是瞎的

macos_foreground_application 拼的 AppleScript 把 try … end try语句块放在了表达式位置，AppleScript 编译期直接拒绝（-2741）：

$ osascript -e 'tell application "System Events"
  set p to first process whose frontmost is true
  return (unix id of p as text) & "|" & (name of p) & "|" & (try (bundle identifier of p as text) on error "" end try)
end tell'
143:146: syntax error: Expected expression, ")", etc. but found "try". (-2741)

命令永远非零退出 → 函数永远返回 None。而 describe_screen 的目标 app 就是从这个值推出来的，于是每次都返回 foreground_application: null、ax_tree_text: null。

模型的反应完全合理——它认为自己的工具输出被截断了：

describe_screen 的输出被截断了，没有显示 ax_tree_text 内容。

从此不再信任工具结果，改用 screencapture + 图像分析当眼睛：每看一眼多一次模型往返，返回的是描述而不是可点击坐标，而且多次看错（把前台应用认成别的 App、把输入框占位符读成无关文字、给出越界的 bbox）。

改成进程内 NSWorkspace.frontmostApplication。顺带把 macos_ax_ui::frontmost_pid 也换掉——它每次调用 spawn 一个 osascript，而 describe_screen 一次要走三遍，每次 ~120ms，还可能卡在 System Events 的 AppleEvent 超时上。

2. text-only 模式下 Enter 被永久拒绝

stale-capture 守卫只有截图成功才会清除，但 text-only 的 screenshot 在截图之前就短路返回了。于是守卫锁死：它自己的报错说「先调 screenshot」，调了没有任何变化，之后所有 click / Enter key_chord 全部被拒。

日志里模型最后是这样脱困的：

osascript -e 'tell application "System Events" to tell process "Feishu" to keystroke return'

绕开工具直接发按键——守卫想拦的所有东西一并跳过了。

现在 describe_screen（text-only 下就等价于「看一眼」）和 text-only 的 screenshot 桩都会主动 waive 这个守卫。paste 也改成无条件清除，而不是只在 submit: true 时——「先 paste 再单独按 Enter」是常见写法，而 paste 根本没动过指针。

3. 结果里大部分是重复内容

每个 app_state 同时带 tree_text 和 app_state_nodes，后者是同一批节点再用啰嗦 JSON 序列化一遍。render_tree_text 已经输出了全部可寻址字段（idx / role / title / value / id / desc / help / url / frame / 各种 flag，父子关系用缩进表达），而且没有任何消费方。

实测：一次 get_app_state 结果 107 KB，其中 82 KB（78%）是这份重复。已删除，保留 node_count。

4. get_app_state 返回的几乎全是折叠菜单

观察一个无窗口的 App 得到 188 个节点，其中 180 个是 frame=(0,982,0x0) 的菜单项——菜单没展开前根本点不到。现在不再下钻未打开的 AXMenu，容器节点保留，并附一行说明指向 get_app_shortcuts。

附带：open_app 对「零窗口」无感

日志里飞书 success: true + 有效 pid，但 0 个窗口，模型花了约 15 次调用才自己摸索出要用 open -b com.electron.lark——因为 activate 不会让已在运行的 Electron 应用重开窗口。

现在 open_app 会解析 bundle id（启动名 Lark、可执行名 Feishu、bundle id com.electron.lark 经常是三个不同字符串）、轮询等窗口、零窗口时用 open -b 兜底，并返回 window_count / windowless / next_step。

测试

• AppleScript 模板现在用 osacompile 做编译检查——不执行任何东西，但正好能拦住上面第 1 类 bug。附一个「守卫的守卫」用例，确保这个检查真的会拒绝坏语法。
• 新增：text-only screenshot / describe_screen 必须 waive 守卫；describe_screen 空树必须给出 ax_tree_status / ax_tree_note 而不是裸 null；折叠菜单剪枝的判定；AppleScript 参数转义（App 名来自模型，不能让引号逃逸出字面量）。

顺手修了 embedded_relay_host 的测试：它预留一个临时端口、释放监听、然后假设端口还空着。机器空闲时看不出问题，一旦测试套件开始 spawn 子进程就有 ~80% 失败率。现在端口获取和「已释放」断言都会重试。

验证

cargo test -p bitfun-desktop --lib     309 passed, 0 failed   (连跑 12 次全绿)
cargo test -p bitfun-core   --lib     1952 passed, 0 failed
cargo test -p bitfun-agent-runtime     all green
cargo check --workspace --all-targets  no errors
cargo clippy (computer_use)            189 warnings (main 基线 190)

macos_foreground_application 的实机冒烟用例（--ignored）在本机通过——修复前它必然返回 None。