Skip to content

AGENTS.md

Latest commit

 

History

History
73 lines (49 loc) · 3.82 KB

AGENTS.md

File metadata and controls

73 lines (49 loc) · 3.82 KB

🚨🚨🚨 OPENSIN-BRIDGE VISION GATE MANDATE (PRIORITY -7.0 — ABSOLUTE OBERSTE REGEL, ÜBER ALLEM, KEINE AUSNAHMEN, SOFORTIGER PERMANENTER BAN BEI VERSTOSS) 🚨🚨🚨

KEIN AGENT DARF JEMALS WIEDER EINE EINZIGE AKTION IM WEB AUSFÜHREN OHNE VORHERIGE VISUELLE VERIFIKATION DURCH DAS VISION-MODELL.

DAS PROBLEM: Agenten haben blind drauflosgeklickt — Surveys gestartet, Modals bestätigt, Tabs geöffnet — aber NIEMALS wirklich verifiziert was auf dem Bildschirm passiert. Endlosschleifen, falsche Klicks, verlorene Sessions. DAS IST VORBEI.

DIE LÖSUNG: OpenSIN-Bridge + Gemini Vision Gate = PFLICHT bei JEDER Web-Interaktion.

1. ABSOLUTES AUTORUN-VERBOT (KEINE AUSNAHMEN)

  • AUTORUN IST PERMANENT VERBOTEN. Kein Agent darf jemals eine Sequenz von Web-Aktionen "am Stück" ausführen ohne zwischen JEDER einzelnen Aktion den Bildschirm zu fotografieren und durch das Vision-Modell prüfen zu lassen.
  • AUTORUN = Die größte Einschränkung die eine LLM überhaupt nur haben kann. Ein LLM SIEHT NICHT was auf dem Bildschirm passiert. Es RÄT. Und Raten ist VERBOTEN.
  • Wer eine Klick-Sequenz ohne Vision-Gate zwischen jedem Schritt ausführt: SOFORTIGER PERMANENTER BAN.

2. DIE VISION-GATE-SCHLEIFE (PFLICHT BEI JEDER EINZELNEN WEB-AKTION)

Für JEDE EINZELNE Browser-Interaktion gilt dieser exakte Ablauf — KEINE AUSNAHMEN:

SCHRITT 1: Aktion ausführen (URL öffnen, Klick, Tastendruck, Scroll, was auch immer) SCHRITT 2: SOFORT Screenshot des GESAMTEN Bildschirms machen SCHRITT 3: Screenshot an Vision-Modell senden mit Kontext-Prompt SCHRITT 4: Vision-Modell-Antwort LESEN und VERSTEHEN SCHRITT 5: NUR bei POSITIVEM Vision-Ergebnis → nächste Aktion erlaubt Bei NEGATIVEM/UNKLAREM Ergebnis → STOPP, Situation analysieren

3. KLICK-ESKALATION MIT VISION-GATE (ABSOLUT PFLICHT — JEDE STUFE)

DIESES MANDAT GILT FÜR JEDE KLICK-ESKALATIONSKETTE IN JEDEM SCRIPT, JEDEM AGENTEN, JEDEM FLOW.

Bisherige Klick-Eskalationen haben blind eskaliert: click_element schlägt fehl → ghost_click wird SOFORT gefeuert → keyboard → vision_click → coords. Kein einziger Vision-Check dazwischen. Das ist AUTORUN und PERMANENT VERBOTEN.

Die Pflicht-Architektur für jede Eskalationsstufe

Stufe 1: click_element ausführen ↓ SOFORT Screenshot → Vision-Check Vision sagt PROCEED? → FERTIG, keine weitere Eskalation nötig Vision sagt RETRY? → weiter zu Stufe 2 ↓ Stufe 2: ghost_click ausführen ↓ SOFORT Screenshot → Vision-Check Vision sagt PROCEED? → FERTIG Vision sagt RETRY? → weiter zu Stufe 3 ... und so weiter bis Stufe 5.

Es gibt KEINE Abkürzung. Es gibt KEIN "Methode X hat DOM-Change ausgelöst, also überspringen wir Vision". DOM-Check ERSETZT NICHT den Vision-Check. Beides ist Pflicht.

Gilt für ALLE Scripts und Flows

Dieses Mandat gilt für:

  • JEDEN Python/JS/Bash-Script der auch nur einen Browser-Tab öffnet
  • JEDEN Agenten der irgendeine Web-Aktion ausführt
  • JEDEN n8n-Workflow der Selenium/nodriver/Bridge-Calls macht
  • JEDE Funktion, Helper, Utility die intern Bridge-Tools aufruft

Es gibt KEIN "das ist nur ein kleiner Helper, der braucht kein Vision-Gate". Wenn der Helper eine Web-Aktion ausführt — braucht er ein Vision-Gate. PUNKT.

4. ZUSAMMENFASSUNG IN EINEM SATZ

KEIN EINZIGER KLICK, KEIN EINZIGER TASTENDRUCK, KEINE EINZIGE URL, KEINE EINZIGE WEB-AKTION OHNE DASS DAS VISION-MODELL VORHER EINEN SCREENSHOT DES GESAMTEN BILDSCHIRMS ANALYSIERT UND MIT "PROCEED" BESTÄTIGT HAT. PUNKT. KEINE AUSNAHMEN. NIEMALS. WEDER JETZT NOCH IN ZUKUNFT.

Boundary Guidance for Agents

When modifying this repo:

  • Prefer shared bridge protocol, extension/server contract, and authenticated-session transport work.
  • Do not move worker-specific monetization or survey logic into the bridge.
  • Do not redefine product, docs, or architecture ownership from here.