用途：在 agent-os Windows 11 虚拟机内对一个已构建的 Windows .exe 做真实端到端测试，逐项驱动功能、监控崩溃/卡死/错误对话框，评审 UI/UX，输出结构化的“可用/不可用”报告。与 web-app-testing、android-app-testing 共用同一报告格式（references/report-format.md）。
主要能力：通过 Lab 网关上的 agent-os_windows-mcp 驱动 agent-os VM（容器 agent-os-win11，dookie 上的 dockur/windows）。在通用 VM 驱动技能 agent-os 之上增加测试框架：构建传输、功能枚举、失败分类、证据流水线与报告。
使用方式：1）预检——确认 VM 已启动，缺失时 ssh dookie 'cd /home/jmagar/compose/windows && docker compose up -d'；调用 Screenshot {} 验证 MCP 就绪（不要 TCP 探测 :8765）；做一次廉价破坏性调用 Process {mode:"list"} 确认网关闸门已开；创建运行目录 ~/.agents/docs/sessions/<app>-desktop-test/run_<id>/。2）把构建传入 VM（HTTP-pull 或 SCP），Unblock-File，必要时预建防火墙规则。3）用 PowerShell {command:"Start-Process 'C:\...\app.exe'; ...return PID"} 启动并确认 PID。4）WaitFor 等待就绪，Snapshot 枚举控件并写 plan.md。5）逐功能执行 act-by-label 循环：Snapshot→取元素整数 label→Click/Type→再 Snapshot。6）每次动作后检测失败：进程消失或事件日志报错为 FAIL，超时无响应为 FAIL，错误弹窗为 FAIL/PARTIAL，无预期反馈为 PARTIAL/FAIL，缺凭据/数据/许可为 BLOCKED。7）独立功能间用 Process {mode:"kill"} 后重启。8）按 rubric 做 UX/a11y 评审，无辅助名称的交互元素记为无障碍问题。9）写 report.md + result.json，截图存 evidence/ 并建索引。
限制与注意：所有驱动动作（PowerShell、Click、Type、App、Process 等）均为 destructive=true 并受网关闸门约束，需具备 execute 权限的认证管理员；若返回 confirmation_required 则网关版本过旧，需重建部署。只读的 Screenshot/Snapshot 不受闸门限制。Type/Click 必须提供 loc 或 label，无隐式焦点输入。UI 变更后 label 会失效，必须重新 Snapshot。Snapshot 输出会超约 24KB 信封，需在沙箱内过滤/切片。自绘应用（GPUI、部分 Electron/canvas）对 UI Automation 暴露很少，Snapshot 稀疏，需退回 Screenshot + 坐标点击 + SendKeys 并标注置信度降低。MCP 调用可能约 120 秒超时，需分块并配合短超时重试循环。安全提示会阻塞无人值守运行。该技能不针对用户个人 Windows（steamy），只面向沙箱 VM。