1688卖家工作台 — 1688 Data Claw 插件 数据抓取

适用系统：Linux (Ubuntu 24.04) / Windows 10/11 插件：1688 Data Claw v1.0.0（自研 Chrome 扩展，content script 自动采集 + 外部 API 获取）

⚠️ 执行规则（最高优先级）

本 skill 所有操作必须通过 skill 文件夹内预装的脚本完成，禁止自行编写代码。 工作流程中避免输出思考、执行过程、输出目前执行到了哪一步，只输出给用户的登录二维码图片、报告、首次安装后的提示等必要内容

1. 先看目录：每次执行前，先 ls $SKILL_DIR/scripts/ 确认可用脚本
2. 只用脚本，不写代码：数据采集用 fetch_data.py，报告生成用 generate_report_v3.py，飞书推送用 push_feishu_post.py，浏览器管理用 start-browser.sh/.ps1。禁止在 chat 中拼接 Python/JS 代码来替代脚本，如果脚本运行有问题再考虑阅读并修复问题
3. 脚本路径始终相对于 $SKILL_DIR：cd $SKILL_DIR && python3 scripts/xxx.py（Windows 用 .\python3.cmd 替代 python3）
4. 数据来源只能是插件：报告生成脚本只读取 fetch_data.py 产出的 JSON，禁止自己调用 API 或猜测数据
5. 🔒 报告数据只读：报告 7 段数据（商品/流量/交易/新老客/新灯塔/流量渠道/关键词）由 generate_report_v3.py 生成，模型绝对禁止修改、删减、重写、替换、添加。模型仅可修改 ## ⚠数据诊断 与 ## ✅明日工作清单 段落
6. 违反上述规则的操作无效，必须按脚本流程重新执行

⚠️ Windows 浏览器隔离（必读）

Windows 上必须使用独立 Chromium 便携版，与用户日常 Chrome 完全隔离。

executablePath 指向独立 Chromium，user-data-dir 指向独立目录。

⚠️ 三层强制验证（缺一不可）： 1) CDP 9222 端口有响应；2) $USER_DATA/.openclaw_browser_marker 标记文件存在；3) 进程参数 --user-data-dir 指向独立目录（Linux: /tmp/chromium，Windows: C:\isolated-profiles\1688-agent）。任何一层不通过 → 视为非独立 Chromium → 拒绝连接。任何时候都禁止连接用户 Chrome。

触发条件

用户提到以下关键词时使用本 skill，先 ls $SKILL_DIR/scripts/ 查看可用脚本：

• 1688 数据抓取、1688 店铺数据、1688 诊断
• 1688 Data Claw、数据采集
• 飞书推送 1688 报告
• 1688 登录二维码
• 登录

一、初始化

路径约定： $SKILL_DIR = 本 SKILL.md 所在目录。$SKILL_DIR/.. 为 workspace 目录（报告输出位置）。Python 脚本内置跨平台支持（platform.system() 自动检测 Linux/Windows）。

1.1 固定路径（主会话和定时任务必须使用相同实例）

关键规则： 1) 启动前先检查 CDP 9222（Linux curl，Windows curl.exe 避免 PowerShell 别名冲突）；2) 绝不 kill 任何进程；3) 用预打包的 Chromium（Snap 版不稳定）；4) 凭证从 env 文件读取，禁止硬编码。

1.2 脚本目录

1.3 一键初始化（首次部署执行一次）

# Linux
./scripts/setup.sh
# Windows
.\scripts\setup.ps1

Chromium 下载源： npmmirror（淘宝，国内 ~4.5MB/s），自动回退 Google 官方源。

1.4 启动浏览器（仅在 CDP 9222 无响应时执行）

./scripts/start-browser.sh         # Linux
.\scripts\start-browser.ps1        # Windows

逻辑：检查端口 → 已运行则三层验证 → 通过跳过/未通过拒绝（不杀进程）→ 未运行则启动独立 Chromium（--load-extension + 独立 --user-data-dir + --disable-sync）。绝不连接用户 Chrome。

1.5 插件位置（随 skill 打包在 plugin/）

plugin/
├── manifest.json       # 固定 ID: ekmgnempbbamlmaolijdfjakeopniion
├── background.js       # Service Worker - 数据汇总 + API
├── content.js          # Content Script - 自动采集
├── md5.js              # MTOP 签名
├── popup.html/js
├── openclaw-bridge.js
└── icons/

1.6 配置飞书通知

v3 推送链路：app_id + app_secret + chat_id，不依赖 OpenClaw message 工具或 lark-cli。

步骤 1：向用户获取三项凭证

步骤 2（可选）：OpenClaw Gateway 绑定飞书 channel（仅在需要在 chat 内接收消息时保留）

openclaw plugins install @openclaw/feishu
openclaw gateway restart

步骤 3：把三项凭证写入 env 文件

scripts/env.sh（Linux） / scripts/env.ps1（Windows）：

export FEISHU_APP_ID="cli_xxxxxxxx"
export FEISHU_APP_SECRET="***"
export FEISHU_CHAT_ID="oc_xxxxxxxx"

$script:FEISHU_APP_ID = "cli_xxxxxxxx"
$script:FEISHU_APP_SECRET = "***"
$script:FEISHU_CHAT_ID = "oc_xxxxxxxx"

步骤 4：验证推送链路

# 验证 token
python3 scripts/push_feishu_post.py --check
# Windows: cd $SKILL_DIR; .\python3.cmd scripts/push_feishu_post.py --check

# 发送测试报告
python3 scripts/push_feishu_post.py $SKILL_DIR/1688_daily_report_v3.md

成功 → 飞书目标群收到 Markdown 卡片，输出 ✅ 发送成功，message_id: om_xxxxx。失败检查：FEISHU_APP_ID/SECRET/CHAT_ID、应用是否已发布、im:message:send_as_bot 权限、IP 白名单。

二、数据抓取方案（1688 Data Claw 插件）

通过 CDP 连接浏览器，在页面上下文执行 JS，调 chrome.runtime.sendMessage 外部消息 API 获取插件采集的数据。 数据由插件自动采集，模型禁止自行调用 API 或猜测。

固定扩展 ID： ekmgnempbbamlmaolijdfjakeopniion

采集页面：

content script 在导航完成后自动采集，等待 5-8s 即可通过 fetch_claw_data(mode='full') 获取。详见预装的 scripts/cdp_client.py。

API Mode： full（全部）/ sycm（仅生意参谋）/ work（仅工作台）/ summary（汇总）。

三、数据结构（插件采集，禁止自己拿）

3.1 生意参谋（sycm）

{
  "_pageType": "sycm",
  "companyName": "店铺名", "category": "主营类目", "subCategory": "子类目",
  "identity": "svip", "isSvip": true,

  "rankTrend": {
    "lastDate": "YYYY-MM-DD", "rank": 5, "layer": 3,
    "cateLevel1": "...", "cateLevel2": "...",
    "payAmt": 12345.67,
    "rawDates": [...], "rawRanks": [...], "rawPayAmt": [...]
  },

  "itemOverview": { /* 在线/动销/UV/PV */
    "statDate": "YYYY-MM-DD", "itemCnt": 100, "pullSalesItemCnt": 50,
    "uv": 200, "payItemQty": 8, "hasVisitorItemCnt": 30, "itemPv": 500
  },

  "flowStats": { /* 总展现/PV/UV/点击/跳失/无线 */
    "statDate": "YYYY-MM-DD", "revealCnt": 1000, "pv": 500, "uv": 200,
    "clickRate": 0.5, "avgPvs": 2.5, "bounceRate": 0.3,
    "payByrCnt": 10, "payAmt": 5000,
    "mobileUv": 120, "mobilePv": 300, "mobileShare": 0.6
  },

  "inquiry": { /* 询盘、旺旺分 */
    "statDate": "YYYY-MM-DD", "effectiveInQUsers": 8, "wangInQUsers": 8,
    "effectInQCnt": 8, "wangInQCnt": 6, "repeatRate": 0.25,
    "scorefh": 4.5, "scorehm": 4.2, "scorexy": 4.8
  },

  "trade": { /* 交易：金额/买家/订单/退款/客单价 */
    "statDate": "YYYY-MM-DD",
    "payAmt": 5000, "payByrCnt": 10, "payNewByrCnt": 3, "payOldByrCnt": 7,
    "payItemQty": 20, "payMordCnt": 15, "payRate": 0.05,
    "perByrAmt": 500,
    "crtOrdItmQty": 8, "crtByrCnt": 5, "crtOrdAmt": 800,
    "rfdSucAmt": 200, "refundRate": 0.04,
    "newBuyerAmt": 1500, "newBuyerShare": 0.30,
    "oldBuyerShare": 0.70, "oldBuyerPerAmt": 500
  },

  "tradeRecent7": {
    "dateRange": "YYYY-MM-DD|YYYY-MM-DD",
    "payAmt": 35000, "payByrCnt": 70,
    "payNewByrCnt": 20, "payOldByrCnt": 50,
    "payRate": 0.06, "perByrAmt": 500,
    "rfdSucAmt": 800, "refundRate": 0.023
  },

  "flowSourceRecent7": {
    "dateRange": "YYYY-MM-DD|YYYY-MM-DD",
    "sources": [
      {"name": "搜索", "myUv": 50, "goodUv": 249, "outerId": "search", "outerLevel": "1", "parentOuterId": ""},
      {"name": "自然搜索", "myUv": 30, "goodUv": 150, "outerId": "search_natural", "outerLevel": "2", "parentOuterId": "search"}
    ],
    "totalMyUv": 103, "totalGoodUv": 758
  },

  "keywordsRecent7": {
    "dateRange": "YYYY-MM-DD|YYYY-MM-DD",
    "keywords": [
      {"keyword": "...", "keywordRevealCnt": 82, "uv": 3, "pv": 6,
       "leadPayAmt": 0, "leadPayByrCnt": 0, "leadCrtByrCnt": 0,
       "clickRate": 0.036, "webClickRate": 0.032, "webPayRate": 0.01,
       "revealItem": 9, "bestOrder": 1, "avgOrder": 1,
       "webSearchIndex": 6014, "webSupplyAndDemandIndex": 120, "referencePrice": 25.00}
    ],
    "totalKeywordReveal": 1000, "totalLeadPayAmt": 0, "recordCount": 10
  }
}

3.2 工作台（work）

{
  "_pageType": "work",

  "wwResponse": {"score": 95.0, "name": "3分钟响应率", "time": "06.17"},
  "wwSatisfaction": {"score": 98.0, "name": "咨询满意度"},

  "lgt48hGotRate": {"score": 98.5, "name": "48H揽收率"},
  "lgtFulfillRate": {"score": 98.5, "name": "履约率"},
  "lgtPlanAccRate": {"score": 76.5, "name": "物流时效达成率"},
  "lgt72hReceiveRate": {"score": 65.7, "name": "72H支签率"},
  "lgtFulfillDzRate": {"score": 100, "name": "定制品履约率"},
  "lgtRfdFhRate": {"score": 0, "name": "物流发货退款率"},

  "qualityRfdRate": {"score": 0, "name": "品质退款率"},
  "qualityBadRate": {"score": 0, "name": "商品品质差评率"},

  "nlhScore": {"score": "3.3", "name": "新灯塔分", "title": "差", "copyWriting": "落后78%同行"},
  "qualityScore": {"score": "5.0", "name": "商品体验", "proportionSuffix": "15%"},
  "refundScore": {"score": "1.7", "name": "售后体验", "proportionSuffix": "30%"},
  "lgtScore": {"score": "2.4", "name": "物流体验", "proportionSuffix": "35%"},
  "wwScore": {"score": "5.0", "name": "咨询体验", "proportionSuffix": "20%"},
  "starScore": {"score": "4.0", "name": "星级"},
  "cateLvl1Name": "宠物及园艺"
}

JSON 字段保留了 1688 后端原始响应（raw / allRaw / mobileRaw / rawUser / rawDiamond 等），正常报告生成可忽略，使用上层解析字段即可。

四、工作流程

4.1 整体流程

重要：登录流程仅在用户明确要求时执行。 默认直接跳过登录，导航到工作台和生意参谋抓取数据。

初始化 → python3 scripts/fetch_data.py
       → python3 scripts/generate_report_v3.py
       → 模型填入「数据诊断 + 明日工作清单」
       → python3 scripts/push_feishu_post.py

4.2 步骤详解

执行前先 ls $SKILL_DIR/scripts/。

Step 1：一键抓取数据

cd $SKILL_DIR && python3 scripts/fetch_data.py /tmp/1688_raw_data.json
# Windows
cd $SKILL_DIR; .\python3.cmd scripts/fetch_data.py $env:TEMP/1688_raw_data.json

脚本自动：检查浏览器 → 导航工作台(5s) → 导航生意参谋(8s) → 获取插件数据 → 保存 JSON。退出码：0=成功，1=需登录（执行 4.3），2=采集失败。

fetch_data.py 已内置跨平台支持：Linux 自动调 bash start-browser.sh，Windows 自动调 powershell start-browser.ps1。Windows 嵌入式 Python 通过 python3.cmd 调用，无系统环境变量。

Step 2：生成报告（v3）

python3 scripts/generate_report_v3.py /tmp/1688_raw_data.json
# Windows
cd $SKILL_DIR; .\python3.cmd scripts/generate_report_v3.py $env:TEMP/1688_raw_data.json

脚本生成 7 段数据表格 + 2 段占位符（## ⚠数据诊断 与 ## ✅明日工作清单）到 1688_daily_report_v3.md。

⚠️ 模型必须完成 Step 2.5： 读取报告文件，仅替换 [模型生成] 占位符为诊断内容。

🔒 绝对禁止修改前 7 段： 模型只能修改 2 个占位符段落，禁止修改/删减/重写/替换/添加/调整格式前 7 段任何数据，前 7 段必须与脚本输出完全一致。审阅仅用于确认无空值/乱码。

🔒 占位符段落也不得压缩。

内容要求：

1. 数据异常点（≤150字）
2. 渠道优化方向
3. 关键词优化动作
4. 今日重点工作（3-5条）

v3 报告结构：

⚠️ 关键规则：

• 数据只能来自插件采集结果，禁止自行调用 API 或猜测
• 插件未采集字段标注"—（插件未采集）"
• 报告生成后必须由模型审阅，确认无空值/乱码
• 🔒 模型只能修改 ## ⚠数据诊断 与 ## ✅明日工作清单 段落
• 🔒 推送必须使用报告文件原文，一字不改（禁止合并行、压缩格式、删换行、调整分隔符、改写）。模型只能决定推不推，不能决定推什么版本
• 返回给用户聊天的必须是完整的报告文件内容

Step 3：推送飞书（直接调飞书 open API，post+md 渲染表格）

核心实现：scripts/push_feishu_post.py —— 直接调飞书 im/v1/messages API 用 msg_type: "post" + content.md 标签，飞书原生支持 GFM 表格渲染。

为什么不用 OpenClaw message 工具： 1) OpenClaw message 对 Feishu 走 text 类型，不支持表格（渲染为 plaintext 代码块）；2) interactive card 跨端一致性差；3) 直接 API 更稳定，跨 PC/Mobile/iPad 渲染一致。

推送命令：

python3 scripts/push_feishu_post.py /path/to/1688_daily_report_v3.md
# Windows
cd $SKILL_DIR; .\python3.cmd scripts/push_feishu_post.py 1688_daily_report_v3.md

python3 scripts/push_feishu_post.py --check     # 仅验证 token

凭证来源： scripts/env.ps1/env.sh 的 FEISHU_APP_ID / FEISHU_APP_SECRET / FEISHU_CHAT_ID（oc_ 开头）。CLI 第二参数可覆盖 chat_id：

python3 scripts/push_feishu_post.py report.md oc_xxxxxxxx

Token 缓存： 首次调用通过 auth/v3/tenant_access_token/internal 拿 token（有效期 2h），缓存到 scripts/.feishu_token.json，过期前 60s 自动续。与 OpenClaw channels.feishu 独立。

🔒 推送铁律：

1. 只读 $SKILL_DIR/1688_daily_report_v3.md 文件内容
2. 原样发送，禁止合并行/压缩格式/删换行/调整分隔符/改写措辞
3. 模型只能决定推送时机，不能决定推送版本
4. 超长先询问用户，禁止自行压缩
5. 只含文件原文，禁止附加任何额外文字

4.3 登录流程（v6：进程永不退出）

⚠️ 登录必须通过脚本执行，禁止自行编写登录代码。

启动命令（单次启动，单进程长轮询）：

cd $SKILL_DIR && python3 scripts/login.py           # Linux
cd $SKILL_DIR; .\python3.cmd scripts\login.py       # Windows
# 限时（默认无限）
cd $SKILL_DIR && python3 scripts/login.py --max-time 1800

⚡ OpenClaw exec 参数： background=true, timeout=0或留空。错误示例： timeout=30, yieldMs=20000（进程被立刻杀死）。

⛔ v6 硬约束：

1. 进程永不退出：v6 起 login.py 内部循环 "等待 → 超时 → 自动 refresh → 再等待"，除非登录成功或达到 --max-time 上限，绝不 sys.exit。模型侧只需 exec 一次 + 后续多次 poll，无需循环 re-exec。
2. --wait-timeout 默认 100s，硬区间 90s–110s（脚本双向钳制）。1688 服务端二维码静态有效期约 120s，100±10s 是安全刷新窗口。
3. --max-time 默认 0=无限。仅在用户明确说"限时"时才设。

输出标记（v6）：

🟦 图片发送铁律（按当前渠道选择发送方式，不可互换）

核心规则： 二维码图片的发送方式严格依赖当前对话的渠道，两种方式不可互换、不可降级：

错误示例：

• 在飞书对话里写 MEDIA:C:\...\1688_qrcode.png → 用户看不到图，只看到一串路径文本
• 在原生聊天调用 message 工具 → 该工具是飞书专用，原生渠道会失败

同步推送到 FEISHU_CHAT_ID 群聊：

🟦 持续 poll 铁律（必须同一回合内多次轮询）

核心规则： v6 脚本永不退出、模型侧必须在同一回合内反复 process poll 直到 [LOGIN_SUCCESS] 或 [MAX_TIME_REACHED]，禁止"发完图就觉得回合结束"。

执行清单：

1. exec 启动 login.py（background=true, timeout=0或留空）
2. process poll 检测到 [QR_UPDATED] → 按"图片发送铁律"发图（原生 MEDIA: / 飞书 message），按"群聊同步推送"决定是否再推 FEISHU_CHAT_ID
3. process poll（timeout=30000）→ 检查返回：
   • 新 [QR_UPDATED]：回到第 2 步重新发图
   • [LOGIN_SUCCESS]：成功通知，按用户要求继续
   • [MAX_TIME_REACHED]：报告状态，问用户"续 / 重新发起"
   • 只有轮询心跳（等待登录中... Ns / 100s）：继续 process poll，再等 30s
4. 重复第 3 步直到终止标记出现
5. 登录成功前禁止标 In Progress 完成、禁止说"已完成"/"我先等一下"

为什么必须同一回合内持续 poll：

• v6 脚本永不退出，中途"等用户指令"会让用户必须发消息你才会继续轮询，但用户能做的就是等你——死锁
• 每个 [QR_UPDATED] 间隔最多 100s。如果不持续 poll，新二维码生成后没人发给用户，用户扫的就是失效码
• process poll 单次 timeout 最大 30s。一个回合内连续调多次即可覆盖（100s 需要 4 次 30s）

⛔ 模型执行规则 v6（必须 100% 遵守）：

┌─────────────────────────────────────────────────────────┐
│  模型登录监控（v6：单进程长轮询 + 渠道分流）             │
│                                                          │
│  1. exec login.py                                        │
│     （background=true，timeout=0 或留空）                │
│  2. process poll → 检测 [QR_UPDATED]                     │
│                                                          │
│     【图片发送铁律】                                      │
│     ├─ 当前渠道 != "feishu"（原生聊天）                  │
│     │   → 最终回复用 MEDIA:<绝对路径> 单独一行附图        │
│     └─ 当前渠道 == "feishu"（飞书聊天）                  │
│         → 调 message 工具发图（必须；禁止 MEDIA:）        │
│                                                          │
│     【群聊同步推送】                                      │
│     ├─ 当前聊天 == FEISHU_CHAT_ID → 跳过                 │
│     └─ 当前聊天 != FEISHU_CHAT_ID → message 推群聊        │
│                                                          │
│  3. process poll（30s/次）→ 检查                          │
│     ├─ 新 [QR_UPDATED]：回到第 2 步                       │
│     ├─ [LOGIN_SUCCESS]：成功通知，按要求继续             │
│     ├─ [MAX_TIME_REACHED]：报告状态，问用户下一步         │
│     └─ 只有心跳日志：继续 process poll（不要等用户）      │
│  4. 终止条件出现前，禁止标完成、禁止说"已完成"            │
└─────────────────────────────────────────────────────────┘

⛔ 禁止行为清单（违反 → 流程无效）：

底层原理（为何这样设计）：

• 进程永不退出 + [QR_UPDATED] 多次触发 = 模型只需 poll 一次，"提前结束"在物理上不可能
• 渠道-发送方式铁律：原生聊天用 MEDIA:（最终回复附图）；飞书渠道用 message 工具。这两种方式不可互换：MEDIA: 在飞书渠道显示为纯文本路径，不会渲染为图片附件（实测已确认）；message 工具是飞书专用通道，原生聊天用会失败
• 持续 poll 铁律：v6 脚本永不退出，如果模型发完图就停，用户必须发消息你才会继续轮询，但用户能做的就是等——形成死锁。每个 [QR_UPDATED] 间隔最多 100s，必须同一回合内连续 process poll（≤30s/次）才能把新二维码及时发给用户，否则用户扫的永远是过期码
• 双发铁律把"推送飞书群聊"和"推送当前聊天"绑成同一触发条件，模型无法遗漏

脚本执行流程（v6 循环版）：

首次准备：检查浏览器 → 清Cookie+导航+切换扫码登录+截码 → 输出首次 [QR_UPDATED]
主循环（永不退出）：
  等待 wait_timeout 秒（每秒检查 URL，跳 work.1688.com 即登录成功）
  登录成功 → [LOGIN_SUCCESS] → sys.exit(0)
  单次超时 → [TIMEOUT]（不退出）
  检查 max-time：超出 → [MAX_TIME_REACHED] → sys.exit(1)；未超 → refresh + 输出新 [QR_UPDATED] → 回到等待

参数：

⚠️ 为什么 wait_timeout 不能自由设： 1688 二维码静态有效期约 120s。太大（>120s）→ 用户扫到失效码；太小（<60s）→ 频繁 reload + 增加风控概率。90–110s 留 10–30s 给"打开 App → 扫码 → 确认"链路。

五、定时任务

{
  "job": {
    "name": "1688-daily-report-v3",
    "schedule": { "kind": "cron", "expr": "0 7 * * *", "tz": "Asia/Shanghai" },
    "sessionTarget": "isolated",
    "payload": {
      "kind": "agentTurn",
      "message": "使用 1688-alibaba-data-fetcher skill 生成 v3 报告（generate_report_v3.py），填入数据诊断与明日工作清单，再用 push_feishu_post.py 推送到 env 里的 FEISHU_CHAT_ID。报告源数据默认 $env:TEMP/1688_raw_data.json（Windows）或 /tmp/1688_raw_data.json（Linux）。",
      "timeoutSeconds": 300
    }
  }
}

v3 推送通过 agent 内部调 push_feishu_post.py 完成，chat_id 从 scripts/env.ps1 的 FEISHU_CHAT_ID 读取。禁止在 cron 任务中硬编码其他 chat_id。

六、故障排查

七、注意事项

1. 登录流程仅在用户明确要求时执行
2. ⚠️ 推送前必须模型确认：检查报告内容无 undefined/空值/乱码
3. 插件 content script 自动采集：导航到目标页面后等待 5-8 秒即可获取数据
4. 扩展 ID 固定：ekmgnempbbamlmaolijdfjakeopniion
5. Cookie 有效期：约 6 天，建议每 5-6 天重新扫码登录
6. Chromium 必须：Google Chrome 禁止 --load-extension
7. 飞书渠道下图片附件必须用 message 工具：action=send, channel=feishu, media=<绝对路径> —— MEDIA: 在飞书渠道不会渲染为图片附件
8. 飞书推送通道（v3 默认）：scripts/push_feishu_post.py 直接调飞书 im/v1/messages API 用 post+md 标签，正确渲染 markdown 表格。不依赖 message 工具或 lark-cli
9. 凭证唯一来源：scripts/env.ps1/env.sh 的 FEISHU_APP_ID/FEISHU_APP_SECRET/FEISHU_CHAT_ID。禁止硬编码其他值
10. 旧版脚本：generate_report_v2.py（紧凑）、generate_report.py（v1）保留供参考
11. 报告源数据默认路径：$env:TEMP/1688_raw_data.json（Windows）/ /tmp/1688_raw_data.json（Linux）
12. 登录流程必须在同一回合内反复轮询：v6 脚本永不退出，模型必须连续 process poll 直到 [LOGIN_SUCCESS] 或 [MAX_TIME_REACHED]，中途发完图就停会死锁 + 用户扫到失效码