ทำไม Doubao ควบคุมแอปไม่ได้: SAEP สิทธิ์ และวิธีแก้ปัญหาเอเจนต์โทรศัพท์
คู่มือแก้ปัญหาเมื่อ Doubao เปิดแอปได้แต่ทำงานไม่เสร็จ แยกชั้นบริการ GUI นโยบายแอป SAEP สิทธิ์ บัญชี และการยืนยันของผู้ใช้ก่อนลองใหม่อย่างปลอดภัย
- การที่ Doubao เปิดแอปหรือเข้าใจคำสั่งได้ ยังต้องแยกต่อว่างานในแอปได้รับอนุญาตให้ทำถึงผลลัพธ์จริงหรือไม่
- งานหนึ่งอาจใช้เส้นทางบริการหรือ API เส้นทางระบบอัตโนมัติผ่าน GUI นโยบายแอป สถานะบัญชี หรือการยืนยันของผู้ใช้ ผลลัพธ์จึงต่างกันได้แม้อยู่ในแอปเดียวกัน
- ในกรอบ SAEP คำว่า BLOCK หมายถึงหยุดการทำงานอัตโนมัติ ส่วน CALL_USER หมายถึงต้องแสดงการยืนยันหรือส่งต่อให้ผู้ใช้ ไม่ใช่สิทธิ์ถาวรสำหรับทุกงาน
- ก่อนกดสั่งซ้ำ ให้ตรวจแอป บัญชี ภูมิภาค หน้าจอปัจจุบัน ข้อความแจ้งเตือน และผลข้างเคียงที่อาจเกิดขึ้นแล้ว จากนั้นค่อยเลือกหยุด ส่งต่อ หรือทำต่อด้วยเส้นทางที่รองรับ
หาจุดที่งานในแอปหยุดก่อนสรุปว่า Doubao ควบคุมแอปไม่ได้
เมื่อผู้ใช้รู้สึกว่า Doubao ควบคุมแอปไม่ได้ สิ่งแรกที่ควรแยกคือ “เปิดแอปได้” “เข้าใจคำสั่งได้” และ “ทำผลลัพธ์ในแอปสำเร็จ” เป็นคนละขั้นกัน เอเจนต์อาจเปิดหน้าแอปถูก อ่านบริบทได้ หรือเตรียมลำดับงานได้ แต่ขั้นสุดท้าย เช่น โพสต์ ซื้อสินค้า สั่งอาหาร ส่งข้อความ หรือเปลี่ยนข้อมูลบัญชี อาจติดนโยบายแอป สิทธิ์ ระบบความปลอดภัย สถานะบัญชี หรือจุดที่ต้องให้ผู้ใช้ยืนยันเอง
วิธีวินิจฉัยที่เร็วที่สุดคือจดเป้าหมายเดิมและขั้นสุดท้ายที่เห็นจริง เช่น “เปิดแอปแล้วหยุดที่หน้าตะกร้า” “กรอกข้อความได้แต่ไม่กดส่ง” หรือ “แสดงหน้าขออนุมัติแล้วรอผู้ใช้” จากนั้นค่อยแยกว่าหยุดเพราะเส้นทางบริการไม่รองรับ เส้นทาง GUI ไม่พร้อม แอปประกาศไม่ให้ทำ ระบบบล็อก บัญชีไม่ได้ลงชื่อเข้าใช้ ภูมิภาคไม่ตรง หรือผลลัพธ์เกิดขึ้นแล้วแต่ผู้ใช้ยังไม่ได้ตรวจในปลายทาง
รายงานภาคสนามของ NBD ในวันเปิดตัว ระบุว่าผู้สื่อข่าวยังทำงานอัตโนมัติบางอย่างในแอป เช่น การโพสต์ การซื้อสินค้า และการสั่งอาหาร ไม่สำเร็จในเวลานั้น ข้อมูลนี้ควรอ่านเป็นข้อสังเกตตามวันและบริบท ไม่ใช่ตารางรองรับถาวรของทุกแอป เพราะแอป บัญชี รุ่นระบบ และนโยบายสามารถเปลี่ยนได้ สำหรับภาพรวมตัวผลิตภัณฑ์ที่เป็นบริบท อ่าน Doubao Phone Assistant บน Nubia NaviX Ultra: ฟีเจอร์ ราคา และขอบเขตการทำงาน แล้วกลับมาใช้หน้านี้เพื่อตรวจเหตุผลที่งานหนึ่งหยุดระหว่างทาง
แยกงานที่มีบริการรองรับออกจากระบบอัตโนมัติผ่าน GUI
งานในแอปไม่ได้เดินทางเดียวกันทั้งหมด งานบางชนิดอาจมีบริการหรือ API ที่ออกแบบไว้ให้เรียกอย่างเป็นระบบ เช่น ค้นหา สร้างรายการ หรือดึงข้อมูลที่ผู้ใช้อนุญาตไว้ แต่งานอีกชนิดอาจต้องอาศัยหน้าจอจริง ปุ่มจริง ฟอร์มจริง และสถานะปัจจุบันของแอป ซึ่งมักถูกเรียกรวมว่า ระบบอัตโนมัติผ่าน GUI หากแอปเปลี่ยนหน้า อัปเดตปุ่ม เพิ่ม CAPTCHA ขอเข้าสู่ระบบใหม่ หรือบังคับเงื่อนไขพื้นที่ให้บริการ งานแบบหลังย่อมหยุดได้ง่ายกว่า
ประกาศของ ZTE เกี่ยวกับ NaviX Ultra วางกรณี Doubao Phone Assistant เวอร์ชันผู้บริโภคเป็นตัวอย่างของ phone agent ที่ผสานกับอุปกรณ์และบริการของผู้ผลิต ข้อดีของเส้นทางนี้คือมีชั้นอุปกรณ์ แอป และระบบความปลอดภัยที่ทำงานร่วมกันได้ลึกขึ้น พร้อมขอบเขตตามเส้นทางบริการที่มีจริง นโยบายแอป และสถานะระบบในเวลานั้น
ก่อนสรุปว่างานล้มเหลว ให้ดูว่างานนั้นพึ่งอะไรบ้าง: รุ่นเครื่อง บัญชีที่ลงชื่อเข้าใช้ ภูมิภาคของบริการ เวอร์ชันแอป หน้าจอปัจจุบัน สถานะเครือข่าย และข้อมูลที่ผู้ใช้ให้ครบหรือไม่ หากคำสั่งคือ “จองร้านให้เสร็จ” แต่วิธีชำระเงินยังไม่พร้อม งานอาจหยุดตรงการยืนยันจ่ายเงินโดยตั้งใจ หากคำสั่งคือ “โพสต์ข้อความนี้” แต่แอปต้องให้ผู้ใช้ตรวจร่างหรือเลือกบัญชี งานที่หยุดรออาจเป็นพฤติกรรมที่ถูกต้อง ไม่ใช่ความเสียหายของเอเจนต์ แนวคิดจากเจตนาไปสู่ข้อเสนอ การยืนยัน และผลลัพธ์มีรายละเอียดต่อใน AI agent ควบคุมโทรศัพท์ Android: จากเจตนา สู่ข้อเสนอ การยืนยัน และผลลัพธ์ที่ตรวจได้
อ่าน BLOCK และ CALL_USER ใน SAEP ให้เป็นคนละสถานะ
นโยบายแอป SAEP ควรถูกอ่านเป็นกรอบควบคุมหลายชั้น ไม่ใช่ปุ่มอนุญาตปุ่มเดียว ตาม เอกสาร SAEP ของ Doubao การตัดสินใจว่าเอเจนต์ทำอะไรได้ขึ้นกับเส้นฐานความปลอดภัยของระบบ ตัวตนของเอเจนต์ นโยบายของแอป และการอนุญาตของผู้ใช้ ชั้นเหล่านี้มีลำดับน้ำหนักของตัวเอง ดังนั้นการที่ผู้ใช้พูดว่า “ทำต่อได้” ไม่ได้ลบข้อจำกัดที่ระบบหรือแอปกำหนดไว้สูงกว่า
ในทางปฏิบัติ BLOCK และ CALL_USER ให้ผลต่างกันมาก BLOCK คือสัญญาณให้หยุดการทำงานอัตโนมัติในขอบเขตนั้น ไม่ใช่คำเชิญให้ลองแตะซ้ำ เปลี่ยนวิธีคลิก หรือหาช่องทางเลี่ยงด้วยสิทธิ์อื่น หากเห็นว่าถูกบล็อก สิ่งที่ปลอดภัยคืออ่านเหตุผล ตรวจว่าคำสั่งมีผลกระทบใด และเลือกเส้นทางที่แอปหรือระบบยอมรับ เช่น ทำด้วยตนเอง ลดขอบเขตงาน หรือกลับไปเริ่มจากงานที่ไม่แตะผลลัพธ์สำคัญ
CALL_USER หมายถึงต้องส่งต่อให้ผู้ใช้เห็นและยืนยัน หรือให้ผู้ใช้ทำขั้นหนึ่งเอง เช่น ตรวจผู้รับ กดยืนยันการซื้อ เลือกบัญชี หรืออนุมัติการส่งข้อความ การยืนยันนี้มีขอบเขตตามงานครั้งนั้น ไม่ใช่ใบอนุญาตถาวรให้เอเจนต์ทำงานคล้ายกันทั้งหมดในอนาคต หากต้องการเข้าใจกรอบความปลอดภัยของ phone agent บน Android ในมุมกว้าง อ่าน กรงนิรภัย AI Agent บน Android คืออะไร: App Functions, สิทธิ์ผู้ใช้ และขอบเขต phone agent ซึ่งช่วยแยกสิทธิ์ผู้ใช้ นโยบายแอป และขอบเขตระบบออกจากกัน
เช็กลิสต์แก้ปัญหาเอเจนต์โทรศัพท์แบบไม่เสี่ยง
การแก้ปัญหาเอเจนต์โทรศัพท์ควรเริ่มจากหลักฐาน ไม่ใช่การกดสั่งซ้ำทันที เพราะการสั่งซ้ำอาจสร้างร่างซ้ำ เพิ่มสินค้าในตะกร้าซ้ำ หรือส่งคำขอหลายครั้งโดยไม่ตั้งใจ ให้เริ่มจากงานที่ย้อนกลับได้และตรวจผลได้ก่อน เช่น ค้นหา สรุป เตรียมร่าง หรือเปิดหน้าเป้าหมาย แล้วค่อยขยับไปสู่งานที่มีผลต่อบัญชี คนอื่น หรือการชำระเงิน
- ยืนยันเป้าหมายที่ต้องการจริง เช่น ส่งข้อความ สร้างโพสต์ สั่งซื้อ หรือแค่เตรียมร่างให้ตรวจ
- ดูว่าผู้ช่วยใช้เส้นทางใด: บริการที่รองรับโดยตรง, ระบบอัตโนมัติผ่าน GUI, หรือการส่งต่อให้ผู้ใช้ทำเอง
- ตรวจแอปปลายทางว่าเป็นเวอร์ชันล่าสุดที่ใช้ได้ในพื้นที่ของคุณ ลงชื่อเข้าใช้ถูกบัญชี และอยู่บนหน้าจอที่เกี่ยวข้องกับงาน
- อ่านข้อความแจ้งเตือนทั้งหมด โดยเฉพาะข้อความที่บอกว่าถูกบล็อก ต้องยืนยัน หรือสิทธิ์ไม่พอ อย่าตีความทุกข้อความว่าเป็นปัญหาเครือข่าย
- ตรวจสิทธิ์ของแอปและสิทธิ์ระบบเฉพาะที่เกี่ยวกับงานนั้นเท่านั้น ไม่ควรเปิดทุกสิทธิ์เพื่อหวังให้ผ่าน
- ก่อนลองใหม่ ให้เปลี่ยนเงื่อนไขหนึ่งอย่างที่ระบุได้ เช่น ลงชื่อเข้าใช้ให้ถูกบัญชี เลือกหน้าจอให้ตรง หรือยืนยันขั้นที่ระบบขอ แล้วตรวจผลในแอปปลายทางหลังทำ
ถ้างานยังหยุดในจุดเดิมหลังเปลี่ยนเงื่อนไขที่เกี่ยวข้องแล้ว ให้ถือว่าขอบเขตปัจจุบันยังไม่รองรับหรือกำลังถูกจำกัดโดยนโยบายบางชั้น การบันทึกคำสั่ง หน้าจอสุดท้าย และข้อความแจ้งเตือนจะมีประโยชน์กว่าการลองคำสั่งเดิมซ้ำหลายรอบ
กู้คืนงานที่ถูกบล็อก พักไว้ หรือทำไปแล้วบางส่วน
งานที่หยุดระหว่างทางไม่ได้มีสถานะเดียวกันทั้งหมด “ถูกบล็อก” “รอผู้ใช้” “ล้มเหลว” และ “ทำไปแล้วบางส่วน” ต้องแก้ต่างกัน หากเป็น BLOCK ให้หยุดงานอัตโนมัติในขอบเขตนั้นและเลือกทางอื่นที่ปลอดภัยกว่า เช่น ทำขั้นสุดท้ายเอง หรือเปลี่ยนคำสั่งให้เหลือการเตรียมร่าง หากเป็น CALL_USER ให้อ่านข้อความบนหน้าจอก่อนยืนยัน เพราะผู้ใช้อาจกำลังอนุมัติการส่ง การซื้อ การเปิดเผยข้อมูล หรือการเปลี่ยนแปลงที่ย้อนกลับยาก
ถ้างานอาจทำไปแล้วบางส่วน ให้ตรวจปลายทางก่อนเริ่มใหม่เสมอ เช่น ดูว่ามีโพสต์ร่างอยู่หรือไม่ สินค้าเข้าในตะกร้าหรือยัง คำเชิญประชุมถูกสร้างแล้วหรือไม่ หรือข้อความอยู่ในช่องร่างแล้วหรือยัง การกู้คืนที่ดีไม่ใช่การรีบทำซ้ำ แต่คือการรู้ว่าสถานะจริงอยู่ตรงไหนและเลือกขั้นถัดไปให้แคบที่สุด
บางครั้งการส่งต่อให้ผู้ใช้ทำเองเป็นผลลัพธ์ที่ถูกต้อง ไม่ใช่ความล้มเหลวของระบบ งานที่เกี่ยวกับเงิน การเผยแพร่ต่อสาธารณะ ข้อมูลบุคคลอื่น หรือบัญชีสำคัญควรมีจุดหยุดให้ตรวจเสมอ หากระบบไม่อนุญาตให้เอเจนต์ทำต่อ การทำด้วยมือในแอปปลายทางหรือเลือกเส้นทางบริการที่แอปรองรับจริงเป็นวิธีฟื้นงานที่ปลอดภัยกว่าการพยายามเลี่ยงข้อจำกัด
เทียบขอบเขต Doubao กับเส้นทาง Android ที่มีการกำกับแยกต่างหาก
กรณี Doubao บน Nubia NaviX Ultra เป็นเส้นทาง OEM-integrated ที่ผสานผู้ช่วยเข้ากับอุปกรณ์ บริการ และชั้นความปลอดภัยของผู้ผลิต ขอบเขตงานในแอปจึงควรถูกอ่านจากหลายปัจจัยพร้อมกัน: รุ่นเครื่อง เส้นทางบริการที่งานนั้นใช้ นโยบายแอปตาม SAEP เส้นฐานความปลอดภัยของระบบ สถานะบัญชี หน้าจอปัจจุบัน และจุดส่งต่อให้ผู้ใช้ยืนยัน
FoneClaw เป็นเส้นทาง Android phone-agent runtime แบบติดตั้งแยกต่างหาก สำหรับงาน Android ที่รองรับ โมเดลที่ผู้ใช้กำหนดค่าไว้ทำหน้าที่เข้าใจและวางแผน จากนั้น FoneClaw ดำเนินการผ่านเครื่องมือ Android ที่เกี่ยวข้อง พร้อมสิทธิ์ที่จำเป็น การอนุมัติที่เหมาะกับผลกระทบของงาน ความคืบหน้าที่มองเห็นได้ และผลลัพธ์ที่ตรวจกลับได้ในปลายทาง ผู้ใช้สามารถดูขอบเขตความสามารถของเราได้ที่ หน้าฟีเจอร์ FoneClaw ซึ่งอธิบายเครื่องมือในตัวมากกว่า 100 รายการและเส้นทางงานที่รองรับในภาษาผู้ใช้ ส่วนผู้ที่ต้องการเริ่มจากโทรศัพท์ Android ของตนเองสามารถใช้ หน้าดาวน์โหลด FoneClaw
วิธีประเมินทั้งสองเส้นทางควรใช้เกณฑ์เดียวกันในระดับงาน: งานนั้นรองรับจริงหรือไม่ สถานะปัจจุบันของแอปและบัญชีพร้อมหรือยัง จุดอนุมัติอยู่ตรงไหน และผลสำเร็จตรวจได้จากอะไร หากแอปหรือระบบแสดงการบล็อก ให้เลือกเส้นทางที่บริการรองรับหรือทำขั้นสุดท้ายด้วยตนเอง หากงานรอผู้ใช้ ให้ตรวจรายละเอียดก่อนยืนยัน และหากงานทำไปแล้วบางส่วน ให้ตรวจปลายทางก่อนสั่งซ้ำ การแยกแบบนี้ช่วยให้แก้ปัญหาได้จากสถานะจริง ไม่ใช่จากชื่อผลิตภัณฑ์หรือความคาดหวังว่าเอเจนต์ควรทำทุกอย่างแทนผู้ใช้ได้เสมอ