Atoms多模型调用需严格按视觉→语言→动作顺序执行，通过depends_on字段构建DAG依赖链，禁止循环依赖；采用snapshot_ts或Lamport时钟同步跨模型输出；分阶段阻塞式调用支持单步验证。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在Atoms多模型同时调用场景中，需确保视觉模型先解析界面元素、语言模型再生成指令、动作模型最后执行点击或输入——若顺序错乱，会导致指令基于过期UI状态而失败。
通过原子依赖链显式声明执行先后
在Atoms配置文件中，为每个模型节点添加depends_on字段，指向其前置依赖的原子ID。例如："vision_model": {"depends_on": []}表示无前置；"llm_planner": {"depends_on": ["vision_model"]}强制等待视觉模型输出完成后再启动。
依赖链支持多级嵌套，如"action_executor": {"depends_on": ["llm_planner", "state_tracker"]}可并行等待两个上游原子就绪。系统在调度时自动构建有向无环图（DAG），【任何循环依赖都会导致启动失败，必须手动拆解】。
用时间戳锚点同步跨模型输出
方法一：在视觉模型输出结构中嵌入snapshot_ts字段，语言模型读取该时间戳后，仅处理对应时刻的UI快照数据。若检测到snapshot_ts早于当前缓存的最新快照，则主动丢弃本次输入。
方法二：为每个原子实例分配全局单调递增的逻辑时钟（Lamport Clock），所有跨模型通信消息携带clock_value。接收方严格按clock_value升序处理消息，跳过乱序包。这能防止网络抖动引发的执行错位。
分阶段阻塞式调用（适合调试与单步验证）
第一步：调用atoms run --stage vision，仅启动视觉模型并保存结果到临时存储路径/tmp/atoms/vision_20260820_0214.json。
第二步：确认该文件存在且非空后，执行atoms run --stage llm --input /tmp/atoms/vision_20260820_0214.json，语言模型从指定路径读取输入。
第三步：提取第二步输出中的action_plan字段，写入/tmp/atoms/plan.json，再运行atoms run --stage action --input /tmp/atoms/plan.json触发最终执行。
此方式完全绕过并发调度器，【每次只能有一个stage处于活跃状态，避免资源争用】。
