站内搜索

多模态 Agent 会点按钮了，测试脚本为什么还得留着

多模态 Agent 已能根据截图和指令完成搜索、筛选与点击，但弹窗、分辨率变化和长链路状态丢失仍会让坐标失效。更稳的方案，是让视觉负责找目标，DOM 与可访问性树负责校验，再用状态快照控制重试和回滚。