按钮背后，agent 能看见什么？

视觉控件可以对应有名字的结构、状态和动作，而不只是一片像素。

设想一个以卡片显示的任务。人从标题和状态理解它；agent 可以通过对应地址和支持的操作处理它，不必先从截图推测系统已经知道的事实。

其他系统也能通过 DOM、无障碍树和 API 提供结构。AFS-UI 关注的是：这些结构怎样与应用的其他部分一起，进入同一套资源和操作模型。

这里的对应是语义上的对应，不要求每个阴影或装饰像素都有单独路径。布局、图表与外观仍然需要视觉检查。

教学模型 · 示例路径、本地状态

动手理解

改变任务状态，再切换它的呈现方式。观察对象的地址是否改变。

准备演讲

进行中

同一个对象，不同的表示。

这个模型解释语义上的对应关系，不是当前浏览器 AFS 会话的实时检查器。

给每个阴影像素一条路径，会帮助 agent 操作任务吗？

通常不会。先明确对象、有意义的状态以及允许的动作。