待验证50% 置信事实精确时间
OCR的作用是对当前窗口截图进行文字检测与识别，得到每个文本块的内容和边界框，并将文本框中心作为可点击坐标返回给模型，作为文本后备层而非通用视觉识别。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证OCR文本层通过在栅格化后的页面图像上按字符位置叠加真实可选的文本对象，并设置渲染模式为不可见（Tr 3）或透明/同背景色，使复制粘贴、Ctrl+F查找和屏幕阅读器正常工作。77% 相似待验证在计算机使用代理的执行顺序中，应树优先（列出有名称、角色和位置的交互元素），文本其次（树无标签时对窗口做OCR匹配可见文本），截图最后（用于画布、无名称图标或页面校验）。69% 相似待验证标注模式背后依赖视觉语言模型（VLM）的跨模态对齐能力，将用户在截图上圈选的空间区域映射回对应的HTML/CSS代码片段68% 相似待验证OCR工作流包括从清晰图像开始、提取相关信息、转换为合适格式（如JSON、CSV、XML、YAML）、校验提取结果、接入应用等步骤。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026542API
curl https://kongchang.com/api/v1/knowledge/claims/1026542MCP
get_claim(id=1026542)