feat: 实现 AIQuery 功能并支持 OutputSchema

- 新增 AIQuery 方法到 StepMobile，支持使用自然语言从屏幕中提取信息
- 实现 AIQuery 在 driver_ext_ai.go 中的完整功能，包括屏幕截图和 LLM 查询
- 添加 OutputSchema 支持，允许用户定义自定义输出格式进行结构化查询
- 新增 ToolAIQuery MCP 工具，完整集成到 MCP 服务器中
- 在 ActionOptions 中添加 OutputSchema 字段和 WithOutputSchema 选项函数
- 添加 ACTION_Query 的配置支持和字段映射
- 完善测试覆盖：
  * 添加 TestAIQuery 单元测试，包含多种 OutputSchema 使用场景
  * 添加 TestToolAIQuery MCP 工具测试
  * 定义 GameInfo、UIElementInfo 等结构体用于测试
- 更新文档：
  * 在 docs/uixt/ai.md 中添加完整的 AIQuery 使用指南
  * 包含基本用法、OutputSchema 示例、最佳实践等
- 支持复杂的嵌套结构体和数组类型的 OutputSchema
- 与现有 AIAction、AIAssert 功能保持一致的 API 设计

tests/step_ui_test.go

@@ -11,6 +11,35 @@ import (
 	"github.com/stretchr/testify/require"
 )
 
+// GameInfo 定义游戏界面分析的输出格式
+type GameInfo struct {
+	Content    string   `json:"content"`     // 必须：人类可读描述
+	Thought    string   `json:"thought"`     // 必须：AI推理过程
+	GameType   string   `json:"game_type"`   // 游戏类型
+	Rows       int      `json:"rows"`        // 行数
+	Cols       int      `json:"cols"`        // 列数
+	Icons      []string `json:"icons"`       // 图标类型
+	TotalIcons int      `json:"total_icons"` // 图标总数
+}
+
+// UIElementInfo 定义UI元素分析的输出格式
+type UIElementInfo struct {
+	Content     string      `json:"content"`      // 必须：人类可读描述
+	Thought     string      `json:"thought"`      // 必须：AI推理过程
+	ScreenType  string      `json:"screen_type"`  // 屏幕类型
+	Elements    []UIElement `json:"elements"`     // UI元素列表
+	ButtonCount int         `json:"button_count"` // 按钮数量
+	TextCount   int         `json:"text_count"`   // 文本数量
+}
+
+// UIElement 定义单个UI元素
+type UIElement struct {
+	Type        string `json:"type"`        // 元素类型 (button, text, input等)
+	Text        string `json:"text"`        // 元素文本
+	Clickable   bool   `json:"clickable"`   // 是否可点击
+	Description string `json:"description"` // 元素描述
+}
+
 func TestIOSSettingsAction(t *testing.T) {
 	testCase := &hrp.TestCase{
 		Config: hrp.NewConfig("ios ui action on Settings").
@@ -173,3 +202,92 @@ func TestAIAction(t *testing.T) {
 	err := hrp.NewRunner(t).Run(testCase)
 	assert.Nil(t, err)
 }
+
+func TestAIQuery(t *testing.T) {
+	testCase := &hrp.TestCase{
+		Config: hrp.NewConfig("AIQuery Demo with OutputSchema").
+			SetLLMService(option.DOUBAO_SEED_1_6_250615), // Configure LLM service for AI operations
+		TestSteps: []hrp.IStep{
+			// Step 1: Take a screenshot for analysis
+			hrp.NewStep("Take Screenshot").
+				Android().
+				ScreenShot(),
+
+			// Step 2: Basic AIQuery without OutputSchema
+			hrp.NewStep("Basic Query").
+				Android().
+				AIQuery("Please describe what is displayed on the screen and identify any interactive elements"),
+
+			// Step 3: Use AIQuery to extract specific information
+			hrp.NewStep("Extract App Information").
+				Android().
+				AIQuery("What apps are visible on the screen? List them as a comma-separated string"),
+
+			// Step 4: Use AIQuery for UI element analysis
+			hrp.NewStep("Analyze UI Elements").
+				Android().
+				AIQuery("Are there any buttons or clickable elements visible? Describe their locations and purposes"),
+
+			// Step 5: Use AIQuery with validation
+			hrp.NewStep("Query and Validate").
+				Android().
+				AIQuery("Is the home screen currently displayed?").
+				Validate().
+				AssertAI("The query result should indicate whether home screen is visible"),
+
+			// Step 6: Use AIQuery with simple custom OutputSchema
+			hrp.NewStep("Query with Simple Custom Schema").
+				Android().
+				AIQuery("Analyze the screen and provide structured information about UI elements",
+					option.WithOutputSchema(struct {
+						Content     string   `json:"content"`
+						Thought     string   `json:"thought"`
+						ElementType string   `json:"element_type"`
+						ElementText []string `json:"element_text"`
+						ButtonCount int      `json:"button_count"`
+					}{})),
+
+			// Step 7: Use AIQuery with GameInfo OutputSchema
+			hrp.NewStep("Game Analysis with Custom Schema").
+				Android().
+				AIQuery("分析这个游戏界面，告诉我游戏类型、行列数和图标信息",
+					option.WithOutputSchema(GameInfo{})),
+
+			// Step 8: Use AIQuery with UIElementInfo OutputSchema
+			hrp.NewStep("UI Element Analysis with Custom Schema").
+				Android().
+				AIQuery("分析屏幕上的UI元素，识别所有按钮、文本和可交互元素",
+					option.WithOutputSchema(UIElementInfo{})),
+
+			// Step 9: Complex analysis with nested structure
+			hrp.NewStep("Complex Analysis with Nested Schema").
+				Android().
+				AIQuery("Provide a comprehensive analysis of this interface including all interactive elements and their properties",
+					option.WithOutputSchema(struct {
+						Content     string `json:"content"`
+						Thought     string `json:"thought"`
+						AppName     string `json:"app_name"`
+						ScreenTitle string `json:"screen_title"`
+						MainActions []struct {
+							Name        string `json:"name"`
+							Description string `json:"description"`
+							Available   bool   `json:"available"`
+						} `json:"main_actions"`
+						NavigationElements []struct {
+							Type     string `json:"type"`
+							Label    string `json:"label"`
+							Position string `json:"position"`
+						} `json:"navigation_elements"`
+						ContentSummary struct {
+							HasImages bool     `json:"has_images"`
+							HasText   bool     `json:"has_text"`
+							HasForms  bool     `json:"has_forms"`
+							Keywords  []string `json:"keywords"`
+						} `json:"content_summary"`
+					}{})),
+		},
+	}
+
+	err := hrp.NewRunner(t).Run(testCase)
+	assert.Nil(t, err)
+}