MaxClaw 的网页 agent 不再向页面查询可交互元素清单,观察只剩一次本机窗口截图,或者对这张截图做的本地 OCR。本文拆解这次改动:为什么观察必须对页面零动作、不靠清单怎么点准、as:’text’ 的坐标与阅读顺序怎么设计,以及还剩哪些口子。
观察不该惊动页面:我们删掉了 agent 的元素清单


MaxClaw 的网页 agent 不再向页面查询可交互元素清单,观察只剩一次本机窗口截图,或者对这张截图做的本地 OCR。本文拆解这次改动:为什么观察必须对页面零动作、不靠清单怎么点准、as:’text’ 的坐标与阅读顺序怎么设计,以及还剩哪些口子。

保留扩展的读取与引用定位,把动作交给独立输入驱动:浏览器自动化真正需要守住的,不只是工具名称,而是驱动掉线以后也不能偷偷改变的动作语义。