smart
2.5 KiB
2.5 KiB
为什么 AI 操作网页会不可靠？
视觉识别
AI 看截图，猜按钮和输入框在哪里。
通用性强，但慢、贵、受 UI 变化影响。
DOM / 可访问性树
AI 读取结构，寻找元素再点击。
比视觉结构化，但复杂组件和隐藏状态仍会干扰。
WebMCP 工具调用
网页主动暴露工具，AI 调用明确能力。
把“猜 UI”变成“调业务能力”。
AI 擅长结构化信息，不擅长在复杂 UI 里猜下一步。