无障碍树
浏览器根据DOM和ARIA属性自动构建的语义化树状结构，向辅助技术（如屏幕阅读器）暴露页面关键信息，每个节点包含角色、名称和状态三类属性，去除装饰性节点，是AI智能体理解网页结构的重要信号
核心事实
时间轴 (近 90 天)
无障碍树是操作系统为辅助技术（屏幕阅读器、语音控制、自动化工具）维护的结构化UI描述，由各平台原生API暴露：Windows上是UI Automation（UIA），macOS上是AXUIElement，Linux上是AT-SPI，Android上是AccessibilityNodeInfo。
每个重要步骤后应重新读取无障碍树或文本进行动作后验证，不要假设点击成功。
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）。
Canvas应用（设计工具画布、游戏、地图、图表控件）的无障碍树通常整个窗口只是一个元素，里面没有任何内容。
SA-CUA 是一个双LLM框架，用于为电脑使用Agent建立可信边界，其核心是从无障碍树中推导出保守的确定性规则，在特权LLM的截图上隔离可信内容和不可信内容。
部分应用（尤其是自绘UI的游戏、部分桌面软件）无障碍信息稀疏甚至缺失，此时SA-CUA的规则推导会失效，需要退回其他机制。
SA-CUA 高度依赖无障碍树的质量和覆盖率，对于无障碍信息不完整的应用或界面，规则推导的有效性需要进一步验证。
计算机使用（computer use）能力让模型通过截图或读取界面可访问性树观察屏幕状态，然后输出点击坐标、键盘输入等操作指令
Playwright MCP 使用无障碍快照（accessibility snapshot）即网页无障碍树的结构化数据，而非截图或视觉模型来操控浏览器
AI智能体感知网页主要有三种方式：直接看渲染后的页面截图（视觉模型）、读取渲染后的DOM、读取无障碍树
还有 3 条时间轴事件
全部知识事实 (14)
无障碍树是浏览器基于DOM构建的语义化树状结构，剥离视觉样式信息，保留每个元素的角色、名称、状态和属性等语义信息
65%待验证每个重要步骤后应重新读取无障碍树或文本进行动作后验证，不要假设点击成功。
50%待验证无障碍树是操作系统为辅助技术（屏幕阅读器、语音控制、自动化工具）维护的结构化UI描述，由各平台原生API暴露：Windows上是UI Automation（UIA），macOS上是AXUIElement，Linux上是AT-SPI，Android上是AccessibilityNodeInfo。
50%待验证Canvas应用（设计工具画布、游戏、地图、图表控件）的无障碍树通常整个窗口只是一个元素，里面没有任何内容。
50%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）。
50%待验证SA-CUA 高度依赖无障碍树的质量和覆盖率，对于无障碍信息不完整的应用或界面，规则推导的有效性需要进一步验证。
50%待验证SA-CUA 是一个双LLM框架，用于为电脑使用Agent建立可信边界，其核心是从无障碍树中推导出保守的确定性规则，在特权LLM的截图上隔离可信内容和不可信内容。
50%待验证部分应用（尤其是自绘UI的游戏、部分桌面软件）无障碍信息稀疏甚至缺失，此时SA-CUA的规则推导会失效，需要退回其他机制。
50%待验证计算机使用（computer use）能力让模型通过截图或读取界面可访问性树观察屏幕状态，然后输出点击坐标、键盘输入等操作指令
50%待验证Playwright MCP 使用无障碍快照（accessibility snapshot）即网页无障碍树的结构化数据，而非截图或视觉模型来操控浏览器
50%待验证AI智能体感知网页主要有三种方式：直接看渲染后的页面截图（视觉模型）、读取渲染后的DOM、读取无障碍树
50%待验证无障碍树由浏览器根据DOM和ARIA属性自动构建，每个节点包含角色（role）、名称（name）和状态（state）三个关键属性
50%待验证基于无障碍树的浏览器交互方案相比截图+视觉识别方案Token消耗大幅降低，且在表单填写、下拉选择等精细操作上可靠性更高
50%待验证无障碍树的节点数量通常只有DOM节点的10%-20%，因为纯样式容器、不可见元素和装饰性图片会被过滤
50%