实验阶段XR Operator最需要限定的交互边界是什么?

实验阶段的 XR Operator，最需要限定的不是“能不能操作”，而是“操作到哪里必须停”。它可以在模拟器里查看场景、导航和执行基础交互，但这不等于它已经具备独立判断复杂情况的能力。对开发者来说，真正的边界应当是：智能体负责重复、清晰、可回放的动作；一旦涉及异常、歧义或可能进入循环，就交回人工。

先把可操作范围圈出来

目前公开支持的交互包括基础抓取、插槽连接和自定义动作。看起来范围不小，但每种动作都应配套明确条件：什么情况下可以开始，触发失败后尝试几次，连续重复时何时停止。尤其要限制无意义的反复导航和重复点击，否则智能体可能一直“努力操作”，却没有产生新的验证信息。

场景复杂度也应该成为一道闸门。简单场景可以让它完成导航和初始数据采集；复杂场景则不宜直接放手。这里的重点不是给能力贴标签，而是防止它在交互关系太多时误判目标，甚至陷入无法结束的流程。

人工介入不能只放在最后

智能体生成的场景数据和截图，不能因为看起来合理就直接采信。开发者应要求它同时给出原始场景参数，例如物体位置和交互触发条件，再在模拟器中手动回放一次，确认画面与功能是否一致。轻微的位置偏移，可能就会让后续判断失真。

人机复测也不该只是最后的验收环节。测试人员可以随机触发抓取、拉伸等核心交互，对比人工执行和智能体响应是否一致。对于关键路径，先安排少量人工复测更稳妥，原文建议可覆盖 3—5 个核心交互路径。这样既能发现边界问题，也不会把整条测试链重新变成人工操作。

说到底，实验阶段最合理的定位是“受限的测试助手”，而不是“代替人做决定的操作者”。给它划清动作范围、停止条件和人工接管点，开发者才能从异常案例中积累经验，而不是等系统失控后再补规则。