Snapshot
Agent 如何读取页面,并找到正确的控件。
Snapshot 把网页转换成 Agent 能读取的精简视图。它包含页面文本,并为链接、按钮和输入框分配 @1、@2 这样的简短引用编号。
例如,一个登录表单可能显示为:
@1 [heading] "Log in"
@2 [input type="email"] placeholder="Email"
@3 [input type="password"] placeholder="Password"
@4 [button] "Continue"Agent 可以用这些引用编号选择输入框或按钮,不需要猜测它们在屏幕上的位置。
引用编号随页面变化
引用编号只属于当前这一次 Snapshot。页面跳转、表单提交或其他页面更新之后,Agent 会先获取新的 Snapshot,再使用引用编号。下一个页面上的 @4 可能是另一个按钮。
通常你不需要自己阅读 Snapshot。如果 Agent 看起来是在依据页面的旧视图工作,请让它重新获取 Snapshot,再检查一次。
Snapshot 是 ego-browser 的一部分。Agent 在自己的 Space 中读取 Snapshot,你可以在那里查看它访问过的页面。