把屏幕截图解析成结构化元素,让纯视觉 GUI Agent 能识别界面上的按钮、图标和文本,无需依赖 DOM 或控件树。
…辑和歌单可以设置自定义封面 <img width="1362" height="779" alt="屏幕截图 2026-10-27 214526" src="https://github.com/user-attachments/assets/9c0163e1-92be-4ce0-a431-ccc0a833371e" / <img wid