cua-driver 0.7.1 相对坐标模式修复

PR: https://github.com/QwenLM/qwen-code/pull/6610

CUA_DRIVER_RS_COORDINATE_SPACE=1 开启 0–1000 归一化坐标模式后，多个工具的坐标转换和描述存在缺陷。以下逐一说明。

1. get_window_state / get_desktop_state 返回的 screenshot_width/height 被篡改为 1000

原因：normalize_result 在归一化模式下把 get_window_state 和 get_desktop_state 返回的 screenshot_width/height 强制改写为 1000。设计意图是让模型把截图当作 1000×1000 虚拟网格，直接用 0–1000 坐标。但 elements[].frame 坐标保持真实像素值（如 x=1444），两者矛盾。

表现：模型看到 screenshot_width=1000 但 element frame 坐标远超 1000，拿到了两套不一致的坐标信息。get_desktop_state 的 screen_width/height 也没被改，同样矛盾。

修复：删掉 normalize_result 的改写逻辑，函数改为 no-op。查询类工具返回真实像素值，模型通过工具 schema 描述和 MCP instructions 知道使用 0–1000 坐标。

2. zoom 后 from_zoom 点击坐标未转换

原因：denormalize_args 在 from_zoom=true 时直接 return 跳过了整个转换逻辑。注释说"core 层没有 zoom 图片尺寸，无法转换"——但这个尺寸其实可以从 zoom 工具的返回值中缓存下来。

表现：模型发送 0–1000 归一化坐标（如中心点 500,500），被当作像素值直接传给 zoom_to_window，点击位置完全偏移。

修复：

新增 ZOOM_SIZE_CACHE，在 zoom 工具执行后由 ingest_zoom_size 缓存图片的 width/height（keyed by pid）
denormalize_args 的 from_zoom 分支改为用缓存的 zoom 图片尺寸做反归一化
ToolRegistry::invoke 的 output hook 中增加 ingest_zoom_size 调用

3. from_zoom 的工具描述仍然写着 "pixel coordinates"

原因：rewrite_coord_desc 只重写了 input_coord_fields 中列出的坐标字段（x/y）的描述，没有处理 from_zoom 字段本身的描述。

表现：click 工具的 from_zoom 字段描述为 "x and y are pixel coordinates in the last zoom image"，模型按此发送像素坐标而非归一化坐标。即使 x/y 的描述已被改为 "0–1000 normalized"，from_zoom 的描述与之矛盾。

修复：rewrite_coord_desc 中对所有含 from_zoom 字段的工具，将其描述改写为 "x and y are 0–{scale} normalized coordinates in the last zoom image"。

4. 缓存未命中时静默透传归一化坐标

原因：denormalize_args 在 SIZE_CACHE、SCREEN_SIZE、DESKTOP_SCREENSHOT_SIZE 未命中时用 continue 跳过该字段，归一化值原样传给工具。

表现：模型发送 500（归一化中心）但被当作 500 像素处理。坐标错误且不可预测，可能触发意外的误操作，且没有任何报错信息。

修复：denormalize_args 返回类型改为 Result<(), String>。缓存未命中时返回明确的错误信息，引导模型先调用对应的查询工具：

窗口级 → "Call get_window_state first"
桌面级 → "Call get_desktop_state first"
屏幕级 → "Call get_screen_size first"
zoom 级 → "Call zoom first"

ToolRegistry::invoke 中处理该 Result，未命中时直接返回 ToolResult::error。

5. scroll 工具的 x/y 坐标未做归一化转换

原因：input_coord_fields 的注释写着 "scroll / page / set_value carry no coordinates → excluded"，但实际上 macOS 和 Windows 的 scroll 工具都有 x/y 参数，用于指定滚轮事件的触发位置（不是滚动量）。

表现：归一化模式下模型传 0–1000 坐标给 scroll 的 x/y，被当作像素值处理，滚轮事件投递到错误的位置。

修复：将 scroll 加入 input_coord_fields，window-basis。

6. Linux-only mouse 工具未做归一化转换

原因：mouse_button_down、mouse_button_up、mouse_drag、parallel_mouse_drag 四个 Linux 专用工具不在 input_coord_fields 中。它们的 x/y 都是 window-local 坐标。

表现：归一化模式下这些工具的坐标不转换，行为与 click/drag 不一致。

修复：

mouse_button_down、mouse_button_up、mouse_drag 加入 input_coord_fields
parallel_mouse_drag 的坐标嵌套在 drags[] 数组内，在 denormalize_args 末尾单独处理：每个 drag item 用自己的 (pid, window_id) 查 SIZE_CACHE 获取转换基准；转换 from_x/from_y/to_x/to_y、path[[x,y]]、x_from/x_to（fn 表达式域边界）

7. type_text / press_key / hotkey 的 x/y 描述未改写

原因：这三个工具的 x/y 用于 focus-by-pixel（内部委托给 click），input_coord_fields 中没有列出，所以 rewrite_coord_desc 跳过了它们的字段描述。

表现：归一化模式下这三个工具的 x/y 描述仍然写着 "Screenshot-pixel X"，模型可能据此发送像素坐标。

修复：将 type_text、press_key、hotkey 加入 input_coord_fields，使其 x/y 描述被重写，同时坐标值也会被正确转换。

8. 多个工具的顶层描述中残留像素坐标措辞

原因：rewrite_coord_desc 的顶层描述替换只匹配 "window-local screenshot pixels" 一个固定字符串，但各平台的工具描述中有多种变体："screenshot pixel coordinates"、"scaled-image coordinates"、"true screen pixels"、"zoom-image pixel coordinates" 等。此外替换后会产生冗余尾部（如 "0–1000 normalized coordinates — the same space get_window_state returns"）。

表现：zoom、drag、get_desktop_state 等工具的描述在归一化模式下仍然包含像素相关措辞，误导模型。

修复：

扩展替换列表覆盖所有变体
增加冗余尾部清理（"the same space get_window_state returns" 等）
rewrite_coord_desc 不再跳过空 input_coord_fields 的工具，使 parallel_mouse_drag、get_desktop_state 等工具的顶层描述也能被处理
protocol.rs 的 MCP instructions 中 "issue a pixel click" 在归一化模式下改为 "issue a coordinate click"