A cada etapa, a captura de tela vai para o modelo, que responde com uma chamada de ferramenta (tocar, pressionar longamente, deslizar, digitar, abrir aplicativo) até terminar. scripts/eval.sh reproduz 11 etapas gravadas (abra o Lyft, pesquise um
destino, escolha uma viagem, pare antes de pagar; escreva uma nota) em cada modelo através do OpenRouter, execute duas vezes
(22 decisões por linha). As corridas funcionam sem ele (uma corrida de 17 passos e 2,5 minutos
terminou bem); se os serviços CoreDevice começarem a cair em execuções longas, reconectando a pulsação
(com backoff) é o próximo passo. O aplicativo foi encerrado: os registros de falhas do telefone continham um
Relatório iPhoneUse.cpu_resource_fatal-*.ips (“excedendo o limite de 80% da CPU em 60 segundos”, “Processo encerrado”). Duas coisas pioraram tudo:
Correção: os tempos limite são correspondidos no código de erro (100, subcódigo 2) e o loop espera novamente; qualquer outro
erro encerra o loop.
