桌面观察工具曾用 OCR 把网页截图转成文字，再叠加去重、分栏启发式来省 token。一次改动把它整体删除，换成把多帧截图拼成一张的长截图：同样四屏内容，按图片计价只要 2091 token，而且没有识别错字。本文复盘这笔账和背后的取舍。