refactor(ui-backend): 优化窗口校验与点击流程，提升缓存命中率与执行效率

1. 新增is_window_active接口并在xdotool后端实现，用于校验窗口焦点
2. 为xdotool后端添加主窗口ID缓存，减少重复xdotool调用
3. 精简click命令流程，移除--sync参数避免VNC环境死等
4. 简化post_verify执行逻辑，减少不必要的点击操作
5. 为缓存命中分支添加会话校验回退机制，处理窗口失焦/消失场景

bridge/woc_bridge/ui/backends/base.py

@@ -54,6 +54,16 @@ class BackendProtocol(ABC):
     async def activate_window(self, window_title: str) -> None:
         """激活指定窗口（使其获得焦点）。"""
 
+    async def is_window_active(self, window_title: str) -> bool:
+        """校验指定标题的窗口是否是当前活动窗口（拥有焦点）。
+
+        默认实现返回 True（信任 activate_window 的结果）。
+        XdotoolBackend 覆盖为真正调用 getactivewindow 对比。
+        用于纯坐标模式下 _verify_session_still_open 校验窗口焦点，
+        避免 cache_hit 分支命中已失焦的会话。
+        """
+        return True
+
     @property
     def capabilities(self) -> set[str]:
         """返回后端支持的能力集合。子类可覆盖。"""

bridge/woc_bridge/ui/backends/xdotool.py

@@ -53,6 +53,12 @@ class XdotoolBackend(BackendProtocol):
         )
         self._debug_queue: asyncio.Queue = asyncio.Queue()
         self._debug_task: Optional[asyncio.Task] = None
+        # 主窗口 ID 缓存：window_title -> (window_id, expire_at)
+        # 避免 cache_hit 路径上 _find_main_window_id 被重复调用 3-5 次
+        # （activate_window + get_window_geometry + is_window_active 各调一次）
+        # TTL 5s，窗口切换/关闭时由下次查询自然失效
+        self._main_window_id_cache: dict[str, tuple[int, float]] = {}
+        self._main_window_id_cache_ttl = 5.0
 
     # ------------------------------------------------------------------
     # 环境与子进程管理
@@ -134,9 +140,16 @@ class XdotoolBackend(BackendProtocol):
     # BackendProtocol 实现
     # ------------------------------------------------------------------
     async def click(self, x: int, y: int) -> None:
-        """合并 mousemove --sync + click 1 为单条 xdotool 命令。
+        """合并 mousemove + click 1 为单条 xdotool 命令。
 
         关键：单条命令，避免分两次 fork 之间窗口焦点变化导致点击错位。
+
+        不使用 --sync：mousemove --sync 会阻塞等待 X server 确认鼠标 motion
+        完成，在 VNC/Xvnc 环境下（pointer 被 grab、X server 不响应 motion
+        事件、窗口未真正激活等）会无限期死等，触发 5s 命令超时。去掉 --sync
+        与 activate_window 的处理保持一致（参见 L392 注释）。
+        xdotool 内部串行执行 mousemove → click，X server 按序处理 motion 与
+        button 事件，去掉 --sync 不影响点击精度。
         """
         logger.info("[ui-backend] click start (%d,%d)", x, y)
         t0 = time.perf_counter()
@@ -145,7 +158,6 @@ class XdotoolBackend(BackendProtocol):
                 [
                     "xdotool",
                     "mousemove",
-                    "--sync",
                     str(x),
                     str(y),
                     "click",
@@ -259,6 +271,9 @@ class XdotoolBackend(BackendProtocol):
         3. 过滤掉面积 < min_area 的候选；
         4. 返回面积最大者。
 
+        带 5s TTL 缓存：cache_hit 路径上 activate_window + get_window_geometry
+        + is_window_active 会重复调用本方法，缓存避免 3-5 次 xdotool search。
+
         Args:
             window_title: 窗口标题，如 "微信"
             min_area: 最小有效窗口面积（默认 10000 像素）
@@ -269,6 +284,14 @@ class XdotoolBackend(BackendProtocol):
         Raises:
             RuntimeError: 未找到有效窗口
         """
+        # 缓存命中检查
+        cached = self._main_window_id_cache.get(window_title)
+        if cached is not None:
+            wid, expire_at = cached
+            if time.monotonic() < expire_at:
+                return wid
+            self._main_window_id_cache.pop(window_title, None)
+
         rc, stdout, _ = await self._run(
             ["xdotool", "search", "--name", window_title]
         )
@@ -316,7 +339,12 @@ class XdotoolBackend(BackendProtocol):
                 f"(candidates filtered by min_area={min_area})"
             )
         candidates.sort(key=lambda x: x[0], reverse=True)
-        return candidates[0][1]
+        main_id = candidates[0][1]
+        # 写入缓存
+        self._main_window_id_cache[window_title] = (
+            main_id, time.monotonic() + self._main_window_id_cache_ttl
+        )
+        return main_id
 
     async def get_window_geometry(self, window_title: str) -> WindowGeometry:
         """按标题查窗口并返回几何。容忍多个匹配窗口，取面积最大主窗口。
@@ -429,6 +457,34 @@ class XdotoolBackend(BackendProtocol):
                 window_id, window_title, (time.perf_counter() - t0) * 1000,
             )
 
+    async def is_window_active(self, window_title: str) -> bool:
+        """校验指定标题的窗口是否是当前活动窗口。
+
+        用于纯坐标模式下 _verify_session_still_open 校验窗口焦点：
+        activate_window 调用后焦点校验可能超时（只记 warning 不 raise），
+        此方法提供二次校验，若窗口已失焦则 cache 失效走完整流程。
+
+        Returns:
+            True 表示窗口存在且是活动窗口；False 表示窗口不存在或非活动窗口
+        """
+        try:
+            rc, stdout, _ = await self._run(["xdotool", "getactivewindow"])
+            if rc != 0:
+                return False
+            active_text = stdout.decode(errors="ignore").strip()
+            try:
+                active_id = int(active_text)
+            except ValueError:
+                return False
+            main_id = await self._find_main_window_id(window_title)
+            return active_id == main_id
+        except Exception as exc:
+            logger.warning(
+                "[ui-backend] is_window_active exception title=%r: %s",
+                window_title, exc,
+            )
+            return False
+
     # ------------------------------------------------------------------
     # 调试截图异步队列（生产环境关闭，调试模式后台写盘）
     # ------------------------------------------------------------------

bridge/woc_bridge/ui/flow.py

@@ -107,6 +107,11 @@ class Flow:
         点击位置采用比例坐标，固定落在右侧聊天区域，避免命中左侧联系人列表、
         分割线或底部输入框导致的误操作。
 
+        异常路径下应尽量减少 xdotool 调用次数，避免恢复路径放大延迟。
+        去掉 click 的 --sync 后不会卡死，但每条命令仍需 ~100ms，
+        故精简为 4 步：Esc×3 → click 安全空白 → BackSpace×30 → Esc×2。
+        post_verify 仅在 OpenCV 模式下有意义（纯坐标模式立即返回）。
+
         Args:
             win_geom: 窗口几何（可选，用于点击空白区域与 post_verify）
 
@@ -145,17 +150,8 @@ class Flow:
             await self.actions.backend.key_press("Escape", repeat=2)
             await asyncio.sleep(0.15)
 
-            # 5. 再次点击安全空白，确保焦点不在输入框
+            # 5. post_verify：尝试用 main_view 模板校验
-            if win_geom is not None and win_geom.width >= 200 and win_geom.height >= 200:
+            # 纯坐标模式下 wait_for 立即返回（纯算术），不阻塞
-                blank_x = win_geom.x + int(win_geom.width * 0.75)
-                blank_y = win_geom.y + int(win_geom.height * 0.40)
-                left_panel_max_x = win_geom.x + int(win_geom.width * 0.42)
-                if blank_x <= left_panel_max_x:
-                    blank_x = win_geom.x + int(win_geom.width * 0.75)
-                await self.actions.backend.click(blank_x, blank_y)
-            await asyncio.sleep(0.15)
-
-            # 6. post_verify：尝试用 main_view 模板校验
             if win_geom is not None:
                 try:
                     elem = await self.actions.wait_for(

bridge/woc_bridge/ui/flows/send_text.py

@@ -83,14 +83,26 @@ class SendTextFlow(Flow):
                             _WECHAT_WINDOW_TITLE
                         )
                     )
-                    await self._verify_session_still_open(ctx)
+                    # 校验会话仍打开；失败时回退到完整流程，不直接返回失败
-                    ctx.current_state = FlowState.SESSION_OPENED
+                    try:
-                    logger.info(
+                        await self._verify_session_still_open(ctx)
-                        "[flow:send_text] cache_hit branch done geom=%dx%d (%.0fms)",
+                        ctx.current_state = FlowState.SESSION_OPENED
-                        ctx.win_geom.width, ctx.win_geom.height,
+                        logger.info(
-                        (time.perf_counter() - t0) * 1000,
+                            "[flow:send_text] cache_hit branch done geom=%dx%d (%.0fms)",
-                    )
+                            ctx.win_geom.width, ctx.win_geom.height,
-                else:
+                            (time.perf_counter() - t0) * 1000,
+                        )
+                    except PermanentError as verify_exc:
+                        logger.info(
+                            "[flow:send_text] cache_hit verify failed, fallback to full flow: %s (%.0fms)",
+                            verify_exc, (time.perf_counter() - t0) * 1000,
+                        )
+                        # 失效缓存，走完整流程
+                        if self.session_cache is not None:
+                            self.session_cache.invalidate(ctx.to_wxid)
+                        cache_hit = False
+
+                if not cache_hit:
                     # 完整流程
                     await self._activate(ctx)
                     await self._click_search_box(ctx)
@@ -377,12 +389,58 @@ class SendTextFlow(Flow):
             return False
 
     async def _verify_session_still_open(self, ctx: FlowContext) -> None:
-        """会话缓存命中时校验会话仍打开（input_box 存在）。"""
+        """会话缓存命中时校验会话仍打开。
+
+        纯坐标模式（WOC_DISABLE_OPENCV=1）下 wait_for("input_box") 纯算术
+        返回，无法真正校验 UI 状态。此时改用 is_window_active 校验窗口焦点：
+        若微信窗口已失焦（用户切到其他应用），cache 失效走完整流程。
+        会话是否真的打开仍靠后续 SSE verify 兜底（content 不匹配则 invalidate）。
+
+        OpenCV 模式下保留原逻辑（wait_for input_box 模板匹配）。
+
+        异常处理：get_window_geometry 的 RuntimeError（窗口消失）也转为
+        PermanentError，触发 cache_hit 回退到完整流程，避免冒泡为
+        BRIDGE_INTERNAL_ERROR。
+        """
         t0 = time.perf_counter()
         # 获取窗口几何（缓存命中时未走 _activate），并校验/窄化类型
-        ctx.win_geom = self._ensure_valid_geometry(
+        try:
-            await self.actions.backend.get_window_geometry(_WECHAT_WINDOW_TITLE)
+            ctx.win_geom = self._ensure_valid_geometry(
-        )
+                await self.actions.backend.get_window_geometry(_WECHAT_WINDOW_TITLE)
+            )
+        except (RuntimeError, PermanentError) as exc:
+            logger.warning(
+                "[flow:send_text] session_still_open FAIL: get_window_geometry failed: %s (%.0fms)",
+                exc, (time.perf_counter() - t0) * 1000,
+            )
+            raise PermanentError(
+                "WINDOW_NOT_FOUND",
+                f"session cache verify failed: window not found: {exc}",
+            )
+        from woc_bridge.ui.actions import _DISABLE_OPENCV
+
+        if _DISABLE_OPENCV:
+            # 纯坐标模式：校验窗口焦点，避免命中已失焦的会话
+            is_active = await self.actions.backend.is_window_active(
+                _WECHAT_WINDOW_TITLE
+            )
+            elapsed_ms = (time.perf_counter() - t0) * 1000
+            if not is_active:
+                logger.warning(
+                    "[flow:send_text] session_still_open FAIL: window not active (%.0fms)",
+                    elapsed_ms,
+                )
+                raise PermanentError(
+                    "ELEMENT_NOT_FOUND",
+                    "session cache verify failed: window not active",
+                )
+            logger.info(
+                "[flow:send_text] session_still_open OK (window active, %.0fms)",
+                elapsed_ms,
+            )
+            return
+
+        # OpenCV 模式：用 input_box 模板匹配校验
         try:
             elem = await self.actions.wait_for(
                 "input_box", ctx.win_geom, timeout=2.0, interval=0.3
@@ -400,6 +458,8 @@ class SendTextFlow(Flow):
                 "[flow:send_text] session_still_open OK (%.0fms)",
                 (time.perf_counter() - t0) * 1000,
             )
+        except PermanentError:
+            raise
         except Exception as exc:
             logger.warning(
                 "[flow:send_text] session_still_open exception: %s (%.0fms)",