Improve Video Learning Agent with action-based detection and analysis toggle

- Change video detection from screenshot hash to action-based (Swipe detection)
- Add enable_analysis toggle to disable VLM screenshot analysis
- Improve task prompt to prevent VLM from stopping prematurely
- Add debug logging for action detection troubleshooting
- Fix ModelResponse attribute error (content -> raw_content)

Co-Authored-By: Claude <noreply@anthropic.com>

dashboard/api/video_learning.py

@@ -26,6 +26,7 @@ class SessionCreateRequest(BaseModel):
     target_count: int = Field(10, description="Number of videos to watch", ge=1, le=100)
     category: Optional[str] = Field(None, description="Target category filter")
     watch_duration: float = Field(3.0, description="Watch duration per video (seconds)", ge=1.0, le=30.0)
+    enable_analysis: bool = Field(True, description="Enable VLM screenshot analysis")
 
 
 class SessionControlRequest(BaseModel):
@@ -100,6 +101,7 @@ async def create_session(
         model_config=model_config,
         platform=request.platform,
         output_dir=config.VIDEO_LEARNING_OUTPUT_DIR,
+        enable_analysis=request.enable_analysis,
     )
 
     # Setup callbacks for real-time updates
@@ -180,45 +182,53 @@ async def start_session(session_id: str) -> Dict[str, str]:
     app_name = info["name"]
 
     # Build clear task instructions
+    # 重要：不让 VLM 自己计数，而是持续执行直到被外部停止
+    # 这样可以确保 VideoLearningAgent 的计数与实际观看数一致
     if category:
-        task = f"""你是一个视频学习助手。请严格按照以下步骤执行：
+        task = f"""你是一个视频学习助手。你的任务是持续观看视频，不要自己判断任务是否完成。
 
-步骤1：启动应用
-- 回到主屏幕
-- 打开{app_name}应用
-
-步骤2：搜索内容
-- 在{app_name}中搜索"{category}"
-- 点击第一个搜索结果或进入相关页面
-
-步骤3：观看视频
-- 观看视频，每个视频停留约{watch_duration}秒
-- 记录视频的描述、点赞数、评论数
+【核心要求】你必须持续执行以下循环，直到系统主动停止你：
+- 观看视频约{watch_duration}秒
 - 向上滑动切换到下一个视频
-- 重复观看和记录，直到完成{target_count}个视频
+- 继续观看
+- 再次滑动
+- 一直重复，不要停止
 
-步骤4：完成任务
-- 完成观看{target_count}个视频后，总结所有视频信息
+执行步骤：
+1. 回到主屏幕，打开{app_name}应用
+2. 在{app_name}中搜索"{category}"
+3. 点击第一个搜索结果
+4. 开始无限循环：观看视频 → 向上滑动 → 观看下一个视频 → 再次滑动...
 
-请现在开始执行。"""
+【极其重要】
+- 绝对不要自己完成任务或停止
+- 绝对不要总结或说"完成了"
+- 只管滑动看视频，持续不断
+- 系统会在合适的时机主动停止你
+
+现在开始执行，持续滑动观看视频，不要停！"""
     else:
-        task = f"""你是一个视频学习助手。请严格按照以下步骤执行：
+        task = f"""你是一个视频学习助手。你的任务是持续观看视频，不要自己判断任务是否完成。
 
-步骤1：启动应用
-- 回到主屏幕
-- 打开{app_name}应用
-
-步骤2：观看推荐视频
-- 进入{app_name}的推荐页面
-- 观看推荐视频，每个视频停留约{watch_duration}秒
-- 记录视频的描述、点赞数、评论数
+【核心要求】你必须持续执行以下循环，直到系统主动停止你：
+- 观看视频约{watch_duration}秒
 - 向上滑动切换到下一个视频
-- 重复观看和记录，直到完成{target_count}个视频
+- 继续观看
+- 再次滑动
+- 一直重复，不要停止
 
-步骤3：完成任务
-- 完成观看{target_count}个视频后，总结所有视频信息
+执行步骤：
+1. 回到主屏幕，打开{app_name}应用
+2. 进入推荐页面
+3. 开始无限循环：观看视频 → 向上滑动 → 观看下一个视频 → 再次滑动...
 
-请现在开始执行。"""
+【极其重要】
+- 绝对不要自己完成任务或停止
+- 绝对不要总结或说"完成了"
+- 只管滑动看视频，持续不断
+- 系统会在合适的时机主动停止你
+
+现在开始执行，持续滑动观看视频，不要停！"""
 
     # Run in background
     asyncio.create_task(asyncio.to_thread(agent.run_learning_task, task))
@@ -244,8 +254,8 @@ async def control_session(
         return {"session_id": session_id, "status": "resumed"}
     elif request.action == "stop":
         agent.stop_session()
-        # Remove from active sessions
-        del _active_sessions[session_id]
+        # Don't delete immediately - let status queries still work
+        # Session will be cleaned up when is_active becomes False
         return {"session_id": session_id, "status": "stopped"}
     else:
         raise HTTPException(status_code=400, detail=f"Invalid action: {request.action}")