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。