feat(vom): canvas design and fixtures

2026-09-10 13:01:23 +08:00 · 2026-09-08 16:49:43 +08:00
parent 3c5f838c56
commit 435a6bb9be
10 changed files with 1954 additions and 0 deletions
@@ -0,0 +1,184 @@
+# Visual observation：验收清单
+
+新 agent 先读 [架构与 PR 划分](visual-observation.md)，再按本清单验收当前 PR；无需聊天记录，也无需另写报告、逐项编号或填写模板。历史结果见 [PR 0 证据](visual-observation-evidence.md)，不能代替本次执行。
+
+## 怎么开始
+
+- 查看分支、HEAD 和工作区改动，确认当前做哪个 PR。PR 0 基于 main `3c5f838`；后续模块对照其前置基线，最终回归对照 main。注意未跟踪文件也属于改动。
+- 当前仅有设计、合成 fixture 和诊断脚本；未来模块尚未实现。只验收当前阶段及受影响的已有功能，不要求提前完成后续 PR。
+- 测试放在模块附近，调用实际生产代码。未接线模块可用人工输入和 CDP stub；实现 PR 写明运行命令即可，不强制新建指定目录、命名或诊断 API。
+- 浏览器验收前核实 CLI 版本，并重新 build、确认扩展 reload。PATH 中的 bsk 曾经比仓库版本旧，不能只凭版本号认定运行了目标代码。
+- 不 commit/push。截图、原始页面内容和一次性实验放临时目录；只把长期需要的设计、fixture 和测试留在仓库。
+
+## 现有验证入口
+
+从仓库根目录运行，命令成功退出且相关断言通过才算成功：
+
+```sh
+pnpm vom:test
+pnpm --filter @browser-skill/extension test src/tools/__tests__/frame-geometry.test.ts src/tools/__tests__/element-geometry.test.ts src/tools/__tests__/observation.test.ts src/tools/__tests__/snapshot-ref.test.ts src/tools/__tests__/interaction.test.ts src/tools/vom src/session-manager/__tests__/ref-store.test.ts
+pnpm exec biome check apps/extension/test-fixtures/visual-observation
+VISUAL_EVIDENCE="$(mktemp -d /tmp/bsk-visual-acceptance.XXXXXX)"
+node apps/extension/test-fixtures/visual-observation/probe.mjs "$VISUAL_EVIDENCE/browser-contract"
+node apps/extension/test-fixtures/visual-observation/measure-render.mjs "$VISUAL_EVIDENCE/performance"
+```
+
+probe 需要 Node 22+ 和 Chrome，配置见 [fixture 说明](../../apps/extension/test-fixtures/visual-observation/README.md)。它验证浏览器事实，不代表后续生产模块已经通过。measure-render 用于旧 renderer 对照，不要求修复历史复杂度。
+
+实现 PR 还需运行所属模块的新测试、`pnpm --filter @browser-skill/extension compile`、`pnpm ext:test` 和 `pnpm ext:build`。仅修改文档时检查链接和内容即可，不必重跑浏览器。已有失败应说明，不在范围外顺手修复。
+
+## 每个 PR 怎么算完成
+
+### PR 0：设计与复现
+
+只有文档、合成 fixture 和诊断变动；架构、边界及后续 PR 的完成条件明确。现有测试通过；probe 的 checks 非空且全部通过（本版 39 项）；measure-render 产生五组 wide/deep 结果。
+
+按下方浏览器步骤，在 main 重现“表格已绘制，但 observe 没有视觉入口”。合成页面和原始 iWiki 分别确认。原始页面未加载、无权限或缺入口时说明阻塞，不能算已复现。入库内容不含内部页面地址、标识或截图。
+
+### PR 1：几何与身份
+
+数值误差：纯函数输入允许 1e-6 CSS px；真实浏览器每条边允许 0.25 CSS px。坐标类型不能混传；动态 frame 归属需运行时检查。
+
+| 怎么测 | 什么算成功 |
+|---|---|
+| top document bounds=(30,50,120,40)，document scroll=(10,20)，viewport=800×600 | top border region=(20,30,120,40)；不受 backing store 尺寸影响 |
+| 使用 frame.html：local Canvas=(17,23,120,40)，same owner content origin=(50,610)；nested origin=(87,707)；OOPIF origin=(410,610) | top origins 分别=(67,633)、(104,730)、(427,633)；不能重复给 nested 加父偏移；owner border 不能代替 content |
+| child scrollY=10；same frame owner origin 不变 | Canvas top y=623，local y=13；snapshot document y=23；scroll 只扣一次 |
+| same iframe 以自身左上角为原点 scale(1.25)，原 border origin=(40,600)，border=10 | owner content origin=(52.5,612.5)，Canvas top=(73.75,641.25)，尺寸150×50 |
+| Canvas content 120×40，border 每边5；overflow owner CSS width60/height30/border5/padding4 | Canvas region 宽130高50，live 验证同 box；owner clientRect=(5,5,68,38)，不能使用78×48 border范围作为clip |
+| DPR=1/1.5/2，CSS Canvas120×40；UI zoom与CSS zoom分别处理 | DPR不直接除掉 CSS rect；raster 预测与实际图片分别记录；不以layout/css宽度比作为万能DPR |
+| 分别构造缺失 owner、失效 frame、旋转、透视、mask、clip-path、活动pinch、变换的overflow祖先 | 前两项 geometry-unavailable，后六类 geometry-unsupported；无伪造精确 region ref、无按border猜偏移 |
+| 同一操作并发请求同一frame 20次，再开启第二次操作 | 第一次每个metrics来源、owner quad、frame投影最多构建/请求一次；第二次重新获取；异常promise不泄漏到其他操作 |
+
+### PR 2：采集与共享事实
+
+| 怎么测 | 什么算成功 |
+|---|---|
+| target A/B 各含 backendNodeId=7，frame/document不同 | 两个lookup结果独立；AX join、overlay排除和父子查找不串target |
+| 4个frame分属2个target，其中一个target有3份document；均成功采集 | 每target恰好一次DOMSnapshot；每frame恰好一次AX批次；失败重试不混入成功请求数；无按frame重复snapshot |
+| 采集中模拟frame detach或loader/documentElement更换 | 丢弃受影响document的混合事实并标记原因；其他完整document可保留；不得把新AX接到旧DOM |
+| 输入10,000深链、10,000兄弟、孤儿及A→B→A环 | 无栈溢出/无限循环；孤儿/环有明确不完整状态；不生成完整祖先证据；context推导每有效节点至多一次 |
+| opacity0祖先；visibility:hidden祖先+visible子；aria-hidden/inert祖先 | 分别得到视觉透明、子可见、语义/交互状态独立；不折叠为同一个excluded |
+| 一个frame采集失败，其他frame有语义节点；全部成功但无Canvas | 前者partial且保留其他语义；后者empty而非unavailable；错误原因可追踪到frame及阶段 |
+| 注入CDP调用记录和hover探针；纯计算中途取消 | 所有静态DOM/AX捕获先于hover输入；取消后下一工作块不继续处理，未执行的输入/截图为0；取消不变成普通空结果 |
+
+### PR 3：视觉发现
+
+| 怎么测 | 什么算成功 |
+|---|---|
+| index.html?noFrames=1 的plain、named、aria-hidden、inert、pointer-none、visibility-override、hidden-overridden、fallback | 八个均为候选；无label不影响发现，有AX/fallback不抑制候选 |
+| opacity-parent、display-none、visibility-hidden、zero、full-clip | 五个均无候选，原因分别能追踪到视觉/几何规则；不能把aria-hidden列为原因 |
+| partial-clip、axis-clip、border-clip、border-canvas | crop尺寸分别60×30、60×40、64×34、130×50；边界来自client box/同种Canvas box |
+| 同frame中删除语义parent，再保持DOM/几何不变 | 候选仍存在、地址不变；语义context可变为null；frame owner本身无法解析时不是该用例 |
+| 连续两次输入同一只读Facts；对Facts启用深冻结 | 候选内容一致，无输入mutation，无CDP调用；去重前stack-a/b仍是两个候选 |
+| 普通候选部分越出viewport；完全越界；overlay-owned Canvas；unsupported clip | 分别交集区域、无候选、排除、明确unsupported状态；不把未知状态伪装成empty |
+
+### PR 4：选择与预算
+
+预算按每个输出行的 `ceil(line.length/4)` 求和（UTF-16 length），包括头部和截断提示。H 为完整协议头成本，V 为固定行 `[visual] Canvas regions present; use screenshot` 的成本。
+
+| 怎么测 | 什么算成功 |
+|---|---|
+| 同context：无名1000×800候选A，有名10×10候选B，K=1 | 选A；名称不能压倒区域面积 |
+| 同document/parent且crop完全相同的A/B；另一个parent的C；crop右边相差0.01的D；相邻tile E | A/B仅输出一个代表；C/D/E独立保留；不输出layers=N作为业务解释 |
+| 面积相同的候选随机打乱20次，地址/位置保持不变 | 排序相同；tie-break顺序固定为frameId、top y、left x、backendNodeId（同一观察内）；去重代表取该顺序最小者；字符串按代码单元字典序、数值按数值升序 |
+| 50,001个不同key，最后一个为最大Canvas，K=1 | 最后最大者仍被选中；dedup key峰值≤50,000；标记dedup-degraded；未因容量耗尽停扫描 |
+| 100,000候选、K=1/32/512；另测K=0 | 选中数量≤K、heap峰值≤K、exact-key之外的模糊pair比较为0；K=0不产生ref候选；结果与独立全排序小规模oracle一致 |
+| 带blocking layer的纯输入，候选context在L1、背景、未知各一个 | L1优先，背景不标为物理不可见，未知不伪装L1；同层再按面积及固定 tie-break 排序；不修改Facts |
+| 预算H-1 | 新observe规划返回insufficient-budget，工具映射invalid_params并给minimum=H；无新文本/ref提交；snapshot旧路径不改变 |
+| 有候选，预算H、H+V-1、H+V | 前两个输出合法协议头、无悬空ref、truncated=true；H+V能保留固定视觉提示；全部账本≤预算 |
+| 没有显式maxTokens，候选足够多 | 视觉附加部分cost≤2048；最终视觉条目≤512；不是对整个旧语义输出强加2048 |
+| 标签含200个Unicode code point、引号、换行、代理对emoji | 标签先截至160 code point再JSON escape，按最终行核算；无断开的代理对，无换行注入额外条目；写不下的行不产生ref |
+| finite预算取H+V、64、128、256、2048（小于H时拒绝），混合长短条目 | 每次总账本≤budget；输出决定可重复；已知omitted才给精确数，候选/去重组/上游未知数量不混加 |
+
+### PR 5：类型化 ref
+
+| 怎么测 | 什么算成功 |
+|---|---|
+| 注册DOM和visual-region两个判别目标 | kind决定操作资格；类型测试不能构造visual+interact矛盾状态；不额外接受调用者capability数组 |
+| 同名ref置于两个session/tab；输入@e1与e1 | canonical形式可解析；不同session/tab不串目标；未知目标为既有not_found类错误 |
+| 对visual ref调用click/fill/hover/select/get_html/人工帮助DOM定位入口 | 全部按主设计拒绝；CDP输入、DOM HTML读取、DOM高亮等该工具副作用次数为0；不能偷偷降为anchor操作 |
+| loader变化、target重attach、documentElement替换；另测history.replaceState不改身份 | 前三者拒绝旧目标；最后不单凭URL变化拒绝；实际anchor仍需连接 |
+| document.open保留loader/document backend但替换html和Canvas | 旧ref失效；只比较loader的实现必须被此测试击败 |
+| 第二次observe重新绑定e1；第一次ref字符串再次输入 | 明确验证“最新观察映射”而非声称能识别旧字符串；新映射仅来自成功提交；旧DOM工具回归通过 |
+
+### PR 6：截图执行
+
+首次 clipScale 为 `min(1, 2048/(max(w,h)*r), sqrt(4000000/(w*h*r*r)))`；r 来自实际 metrics 适配，最终仍检查真实 PNG 尺寸。
+
+| 怎么测 | 什么算成功 |
+|---|---|
+| visual ref解析成功并截图；DOM ref另测 | visual路径scrollIntoView次数0；DOM路径保持BASE策略；visual实时box种类与观察一致 |
+| 同anchor四边分别移动0.249、0.25、0.251 CSS px；分别改尺寸/裁剪策略 | 前两种仅数值误差可接受，0.251拒绝；document/裁剪策略变化不受容差豁免；不靠old∩live返回小片段 |
+| 保持身份/几何，重绘Canvas颜色；另移除Canvas | 重绘允许取得当前图像；移除拒绝；不承诺像素快照或把颜色改变误报为stale |
+| css4096×2048,rasterEstimate2；css4000×4000,rasterEstimate1 | 首次clipScale分别0.25、0.5（不放大，取edge/area/1最小值）；实际成功尺寸每边≤2048、面积≤4,000,000 |
+| mock第一次图片3000×3000，第二次2000×2000；再测两次均3000×3000 | 第一组重试一次并成功，第二组恰好两次后pixel-budget-exceeded；不能无限重试或返回超限图 |
+| 空data、非法PNG头、0尺寸、负/非有限几何 | 明确失败，不能猜测width/height；此项不要求将PNG头检查宣称为完整解码校验 |
+| capture前取消；overlay抑制后CDP失败；采集时出现dialog | 取消前不再capture；成功/失败/取消均恢复overlay；dialog机制保持既有契约；无额外输入 |
+
+### PR 7：observe 接线
+
+| 怎么测 | 什么算成功 |
+|---|---|
+| 固定SemanticScene，无视觉候选；普通预算，与BASE replay同一输入 | 语义文本、ref相对顺序、role/name一致；不因为新通道重跑semantic pipeline |
+| 同SemanticScene加两个视觉候选，大预算 | 原DOM ref顺序不变，视觉ref在其后；每个输出ref均可在registry找到同目标，registry无未输出新ref |
+| DOM文本多到耗尽除预留外的预算 | 固定视觉提示可见（预算允许时）；truncated=true；不是DOM stopped后无条件跳过视觉提示 |
+| 视觉capture unavailable但语义成功 | 语义结果保留，观察状态能区分empty/unavailable/truncated；debug reason准确且无原始DOM泄漏 |
+| snapshot、recording调用、hover probe on/off与BASE对比 | snapshot不新增visual；recording不隐式启用发现；probe默认off，on时仍在静态采集后；相应既有测试通过 |
+| blocking layer混合DOM/visual、重复候选、不同预算 | 输出层策略与选择模块的活跃层策略一致；头、摘要、条目、occlusion/omitted行均纳入账本；无悬空ref |
+
+### PR 8：整体验收
+
+复跑上述模块测试、下方性能对照和浏览器场景，确认原始 iWiki 的缺口已解决。检查没有站点特判、重复的几何/预算权威实现或遗留的替代路径；没有顺带扩展到 OCR、逻辑画布聚合或旧算法重写。不能只凭合成页面通过宣布原始问题解决。
+
+## 性能怎么验
+
+在相关模块实现时检查，不拖到最后统一补。旧路径和新增 Canvas 成本分开看：
+
+- **旧路径**：同输入对照 main/前置基线，已有 render/context/sibling 工作量、语义构建次数和 DOM 操作请求不增加；保留 #165 的回归。不要求消除旧算法的历史二次项。
+- **无 Canvas**：允许必要检测与共享几何成本，但不构建视觉专用索引、不发视觉专用 CDP 请求、不重复跑语义链路。
+- **新增树处理**：deep/wide 节点数取 1k、10k、100k；每节点 context 至多推导一次，每条边每个索引 pass 至多访问一次，pass 数不随规模增加。无递归溢出、每候选完整祖先遍历或全祖先数组复制。
+- **选择**：候选数取 1k、10k、100k，K 取 1、32、512；堆峰值不超过 K，去重 key 不超过 50,000，无模糊两两比较。比较计数符合具体算法推导的上界；小规模结果与独立全排序对照一致，容量耗尽后仍能选中最后的大图。
+- **请求与取消**：每 target 一次 snapshot、每 frame 一次 AX 批次；单次操作内几何请求共享，不跨操作复用 live cache。几何最大并发 4，新增计算每块最多 256 项并实际让出事件循环，取消后不再启动下一块。
+- **接线后耗时**：同机器、浏览器和固定内容，分别测无 Canvas 页与合成表格页。各预热 3 次，再基线/新版本交替各 20 次，比较中位数和 p95；旧阶段与新增成本分开。旧阶段中位数增加超过 max(基线 10%, 2ms) 时复测，两轮均超过且可归因于改动则未通过；噪声无法排除则说明尚未确认。操作数仍须满足前述条件，不能用耗时阈值代替它们。
+
+计数可以由测试插桩取得，不必为验收增加生产接口。性能结果只需说明旧路径是否回退、新增路径的规模与成本，不需要另填表格。
+
+## 浏览器怎么验
+
+### 合成表格（PR 0 复现；PR 7/8 验证修复）
+
+1. 核实 `bsk --version`、`bsk browsers`、`bsk status`；运行 `pnpm ext:build`，确认用户已 reload `apps/extension/dist/chrome-mv3`。
+2. 单独启动服务器：`python3 -m http.server 4177 --bind 127.0.0.1 --directory apps/extension/test-fixtures/visual-observation`。
+3. `bsk session start --width 1440 --height 1100`，使用返回的 session id 打开下列页面。尖括号替换为实际值，每条命令传同一 session。
+
+```sh
+bsk navigate http://127.0.0.1:4177/table.html --session <session> --json
+bsk observe --session <session> --json
+bsk screenshot --session <session> --out <临时目录>/table.png --json
+```
+
+4. 把窗口放前台，实际看到三列六行后再采集 observe。load 完成、AX 工具栏出现或背景占位截图都不能证明表格已经绘制。
+5. main 应有 Page action、Insert record、Filter 三个 DOM 控件，truncated=false，但无表格视觉入口。这是 PR 0 的缺口复现。
+6. 新实现应保留三个控件，并增加 visual ref。用本次返回的 ref 执行 `bsk screenshot --ref <ref> --session <session> --out <临时目录>/crop.png`，实际查看图片：包含 Canvas column A/B/C 和六行，裁剪对应 780×360 CSS px 的表格区域，不能错到工具栏或 iframe 边框。PNG 满足每边 2048、总像素 4,000,000 的上限。无需生成单元格语义。
+
+### 几何与动态场景
+
+PR 1 验证实际生产几何模块；PR 6 验证截图执行；PR 8 复验完整链路。未接 observe 时可注入人工 facts/ref，但必须调用实际模块，不能以独立 probe 代替实现测试。
+
+- 必测缩放集合：DPR 1/1.5/2 × top/frame；真实 UI zoom 100%/90% × top/frame；CSS zoom 1.25 的 top Canvas；frame scale 1.25 的 same/nested/OOPIF。按 PR 1 的坐标预期核对。OOPIF 需确认实际 iframe target，跨 origin 本身不够。
+- UI zoom 要通过浏览器菜单或原生快捷键确认，不能以 CSS zoom 或 pinch emulation 替代。旋转、mask、clip-path、活动 pinch、变换 overflow 按不支持策略降级，不输出猜测的精确 ref。
+- 使用 `index.html?noFrames=1` 的 `#plain`，每个实验从 reload 后的新 ref 开始：平移 1px、宽度改为 121px → 旧 ref 截图要求重新观察；移除节点或 document.open → 旧目标失效；仅重绘颜色 → 截图成功且是新颜色。不要在重新 observe 后拿重用的 eN 字符串声称验证了旧 ref。
+- visual ref 的 click/fill/hover/select/get_html/DOM 高亮拒绝测试只在合成页或自动测试运行，确认拒绝前没有派发输入、读 HTML 或高亮副作用。
+
+### 原始 iWiki（PR 0 与 PR 8）
+
+入口与就绪说明在本机临时文件 `/private/tmp/bsk-visual-design/private-reproduction.md`。文件丢失或登录失效时向用户取得入口/权限，说明这一项未完成；继续独立的合成验证。
+
+保持只读。前台实际看到表格后采集 observe 和截图：PR 0 确认缺口；PR 8 确认外围 DOM 控件仍在、新 visual ref 能截到实际表格。不要编辑单元格，不要求原页面永久维持历史的 63 个 ref。私有内容不入库。
+
+结束后停止自己的 session、服务器及临时 Chrome，恢复修改过的 zoom/emulation，不关闭其他任务资源。
+
+## 做完怎么回复
+
+直接告诉用户：验了哪个 PR、跑了什么、是否符合上述成功条件；若有失败或未做的检查，说明具体原因。必要时附关键测试输出或截图路径。无需单独报告文件、hash 清单、状态统计或全量日志归档；没运行、被跳过或受阻的项目不要写成通过。
@@ -0,0 +1,235 @@
+# Visual observation：PR 0 验证结果与架构决策
+
+日期：2026-09-08。生产基线：main `3c5f838`。分支：`codex/visual-observation-design`。
+
+本次只新增设计、合成 fixture 和诊断工具。没有生产算法变更，没有 commit/push。
+总体设计及后续 PR 依赖见 [架构与实施计划](visual-observation.md)。
+本文是历史证据；新会话请按 [验收清单](visual-observation-acceptance.md) 执行相关检查并说明结果，不继承本文的通过结论。
+
+## 1. 环境与证据等级
+
+| 环境 | 实际版本/说明 |
+|---|---|
+| PATH 中的 bsk | 0.1.7，未用于有效页面基线 |
+| 仓库已有 target/debug/bsk | 0.2.0；`update --check` 报告发布最新版也是 0.2.0，没有安装更新 |
+| daemon / connected extension | 0.2.0，protocol 1.1 |
+| 页面基线 Chrome | 151.0.0.0，由 bsk browsers 报告 |
+| 生产扩展构建 | `pnpm ext:build`，用户 reload 当前 main 基线构建后采集 |
+| 独立协议实验 Chrome | 152.0.7977.76，临时无登录 profile；与用户浏览器不是同一个运行实例 |
+| 基线测试 | VOM 47 tests / 2 files；相关扩展 217 tests / 14 files；全部通过 |
+
+页面结果是实际 bsk + reload 扩展的结果。协议实验是独立 Chrome 的真实 CDP 响应。
+临时 replay 是将合成响应送入 main adapter 的诊断，不代表另一条真实浏览器完整运行。
+不同证据不混用，版本号本身不证明构建 commit。
+
+所有内部页面原文、地址、iframe 标识、截图和用户信息仅保存在本机临时目录，不进入仓库。
+本文仅保存匿名化事实，仓库 fixture 完全独立构造。
+
+## 2. 原始问题已确认：表格加载完成后仍有观察缺口
+
+有效就绪条件：前台可见页面已经绘制出网格、列标题和六行表格。不能使用以下替代条件：
+
+- `document.readyState === complete`。
+- AX 已有嵌入应用的工具栏。
+- 页面出现 iframe。
+- 背景截图仍为站点加载 logo。
+
+本次初始后台窗口恰好出现“AX 已有工具栏，图像仍为加载占位”的情况。这些样本已排除。
+在前台绘制完成后重新取得匹配的截图和 observe，结果为：
+
+| 事实 | 结果 |
+|---|---|
+| 实际截图 | 可见列标题、网格与六行表格 |
+| main observe | 63 个 ref，含外围和嵌入应用工具栏 |
+| truncated | false |
+| 表格列内容 | 没有相应文本表示 |
+| visual ref | 没有 |
+| 直接打开已观察到的嵌入应用 | 发现一个无 aria-label 的 Canvas，CSS 尺寸 1450×835、backing store 2900×1670，DPR 2 |
+
+直接打开嵌入应用用于验证其渲染介质；其宽度变化是独立 tab 布局，不能拿这组坐标当父页面中的 crop。
+父页面的截图/VOM 对照与直接嵌入页的 DOM 证据分别记录。
+
+结论：主要能力缺口是视觉内容没有观察入口；不属于这次有效样本的文本预算耗尽。
+新架构不能承诺从 Canvas 自动恢复单元格语义；正确结果是保留工具栏，并提供可截图的区域入口。
+
+## 3. 合成最小复现
+
+`table.html` → 跨站点 `grid.html`：一个 iframe、DOM 工具栏、一个无名 Canvas。
+Canvas 绘制三列、六行，所有文字与原页面无关。
+
+main 实际输出的关键部分：
+
+```text
+@view 1440x923
+@e1 button "Page action"
+Iframe "Table application"
+  navigation
+    @e2 button "Insert record"
+    @e3 button "Filter"
+```
+
+`ref_count=3`，`truncated=false`。截图已人工确认包含 `Canvas column A/B/C` 和六行。
+这些像素文字既没有文本表示，也没有 visual ref。该最小复现已覆盖原场景的关键结构，
+无需站点权限或生产选择器。
+
+## 4. CSS 与语义/交互分离
+
+真实浏览器实验确认：
+
+- aria-hidden 祖先、inert 祖先、pointer-events:none 不会使 Canvas 自动视觉消失。
+- `visibility:hidden` 祖先下的 `visibility:visible` 子 Canvas 可以恢复可见。
+- `hidden` 元素被 `display:block` 覆盖时仍可绘制。
+- opacity:0 祖先会使子树透明；不能仅检查 Canvas 自己的 opacity。
+- display:none 无 layout bounds；visibility:hidden 可以仍有 bounds。
+- AX fallback 文本不包含绘制的 `PIXEL TABLE 42`，不能用 fallback 存在作为发现去重条件。
+
+决定：事实层分别保存 computed visibility、透明继承、语义暴露和交互属性。
+视觉发现不读取 semantic keep/drop 结果；祖先索引只能传播符合属性语义的状态。
+
+`checkVisibility()` 的实验作用仅限 CSS suppression，不用它证明 overflow、viewport 或遮挡结果。
+常规 overflow 由独立几何规则负责；任意遮挡不进入首版精确能力范围。
+
+## 5. 单位、frame 投影与截图
+
+### 5.1 DPR 与截图像素是不同契约
+
+独立 Chrome 上对相同 120×40 CSS clip 的结果：
+
+| Emulated DPR | DOMSnapshot Canvas w×h | Screenshot w×h | layoutViewport/cssLayoutViewport 宽度比 |
+|---|---|---|---|
+| 1 | 120×40 | 120×40 | 1 |
+| 1.5 | 120×40 | 180×60 | 1 |
+| 2 | 120×40 | 240×80 | 1 |
+
+因此该比值不能用作通用截图 DPR。原始 DOMSnapshot 单位与截图 raster scale 必须分别适配，
+输出 PNG 尺寸是最终预算事实。不能把本组 DPR emulation 结果泛化为所有浏览器缩放组合。
+
+### 5.2 三种缩放分别记账
+
+- CSS `zoom:1.25`：120px 宽 Canvas 的布局 bounds 为 150px，运行时几何同步变化。
+- Emulation.setPageScaleFactor(1.5)：记录为 page-scale/pinch 类证据，不充当 UI zoom。
+- 用户 Chrome 原生 UI 缩放到 90%：界面明确显示 90%，DPR 从 2 变为约 1.8，innerWidth 从 1440 变为 1600，visualViewport.scale 仍为 1；Canvas CSS 宽约 120.0000076，截图仍是 2880px 宽。main VOM 视口为 1600×1025。已恢复 100%。
+
+现有 bsk 的 Meta+- CDP 输入未改变浏览器缩放，所以该无效果尝试不算缩放验证；
+有效样本来自原生浏览器 UI 操作。真实 UI zoom 仅验证了上述点，不能宣称完整 zoom 矩阵已通过。
+
+决定：使用 CSS 视口空间作为发现/截图区域公共契约；精确单位 adapter 的实现还必须在 PR 1
+跑计划内组合回归，不用一个比例同时解决所有协议字段。
+
+### 5.3 Frame 空间与 main 已知偏移
+
+fixture local Canvas 原点为 (17,23)。
+
+| 场景 | 实测 owner content 原点（target root） | 正确 top Canvas 原点 | main parser replay |
+|---|---|---|---|
+| 同 target frame，10px border | (50,610) | (67,633) | (57,623) |
+| 上述 frame 内 nested，另有 7px border | (87,707) | (104,730) | (87,713) |
+| OOPIF，10px border | (410,610) | (427,633) | 本表不混入非完整 replay 的 OOPIF 结果 |
+
+根 target 的 DOMSnapshot 含三份 document（top/same/nested）；OOPIF 在单独 target 中只返回自己的 document。
+probe 通过实际 `TargetInfo.type=iframe` 验证 OOPIF，而非仅根据 origin 推断进程隔离。
+
+子 frame scrollY=10 后，runtime local y 从 23 变为 13，snapshot document y 仍为 23。
+owner scale(1.25) 后 content quad 宽度变为 375，child innerWidth 仍为 300。
+
+决定：frame-local 原始矩形必须先减该 document 的滚动，再经过一次权威投影；同 target 的
+owner quad 已是 target-root 坐标，不能重复逐层加偏移。禁止 border-box 替代 content origin。
+
+Box 种类也必须进入契约：带 5px border 的 120px Canvas，其 snapshot/border quad 宽 130，
+content quad 宽 120。视觉入口采用 border-box，实时验证同种 box；iframe 投影则采用 content quad。
+带 border/padding 的 overflow owner，snapshot.clientRects 对应 `[clientLeft,clientTop,clientWidth,clientHeight]`，
+本 fixture 为 `[5,5,68,38]`。裁剪边界应从 client box 派生，不能直接拿 ancestor border bounds。
+单轴 `overflow-x:clip;overflow-y:visible` 的 computed style 保持分轴，必须分轴传播。
+
+CSS zoom 1.25 后，上述 owner 的 bounds 变为 `[745,455.625,97,59.5]`，clientRects 仍为
+`[5,5,68,38]`，offsetRects 为 `[596,365,78,48]`。直接按 border-width 比例推导 client box
+会混入不同空间与整数取整。首版将有 CSS zoom/DOM transform 的 overflow 祖先组合明确降级，
+不承诺精确 crop；普通未变换 overflow 及 iframe content-quad 投影保留支持。
+
+## 6. Document 与 ref 时效
+
+真实 CDP 实验：
+
+| 操作 | frameId | loaderId | document backend | anchor |
+|---|---|---|---|---|
+| history.replaceState | 不变 | 不变 | 不变 | 仍属于当前树 |
+| 跨 document 导航 | 不变 | 变化 | 变化 | 旧目标不可继续视为当前内容 |
+| document.open/write/close | 不变 | 不变 | 本次实验不变 | 旧 Canvas 失去连接，documentElement 被替换 |
+
+决定：身份取 target attachment epoch + frameId + loaderId + documentElement backend identity；
+工具执行时仍检查 anchor.isConnected 及其所属 documentElement。不能仅凭 loaderId 判断有效。
+DOMSnapshot 可提供根元素 backend identity，frame graph 需要保留 loaderId；当前 main graph
+没有该字段，这是后续数据契约的明确修改点。
+
+12 次静态几何采样完全相同；0.5px 移动可被检测；真实 90% 缩放引入约 1e-5 CSS px 的
+数值误差。首版采用最大边误差 0.25 CSS px 作为保守工程阈值，超出要求重新 observe。
+这不是大规模统计得到的通用稳定性保证；改变阈值需更新其测试及行为文档。
+
+既有 eN 被下一次观察重用后，单靠旧字符串不能检测它来自上一代。内部 generation 不消除
+该协议限制。本次不改变协议，只验证当前存储目标的身份/几何。Canvas 可以在身份与几何
+不变时重绘；截图始终表达执行时图像，不承诺观察时像素快照。
+
+## 7. 既有路径回归基线：用于防止负优化
+
+诊断复制当前 renderer 到临时目录，在三个明确循环点加计数；生产文件未改变。
+复现命令见 [fixture README](../../apps/extension/test-fixtures/visual-observation/README.md)。
+
+| 输入 | Render stack visits | DOM context candidates | Same-container sibling visits |
+|---|---:|---:|---:|
+| 100 headings + 100 View buttons | 201 | 10,000 | 15,050 |
+| 200 headings + 200 View buttons | 401 | 40,000 | 60,100 |
+| 400 headings + 400 View buttons | 801 | 160,000 | 240,200 |
+| 2,000 transparent wrappers + control | 2,001 | 0 | 0 |
+| 4,000 transparent wrappers + control | 4,001 | 0 | 0 |
+
+显式栈访问线性并通过深树输入；本组宽树上下文计数呈二次增长。这里记录的是现有路径的
+特征，供后续同输入比较是否发生回退，不是本次要求修复的问题，也不是 Canvas 新算法的模板。
+计数不是完整 CPU profile，更不能替代 Canvas 发现、裁剪、选择和截图各自的性能测试。
+
+处理边界：
+
+1. 既有语义、DOM 操作和截图路径对照 main 不发生性能回退；不把历史算法优化列为本次前置依赖。
+2. Canvas 新路径按自己的规模和访问模式论证算法；发现、裁剪、去重、选择和截图分别验收。
+3. 精确 crop key 去重的选择来自首版的覆盖等价契约和新增成本分析，与 #165 采用什么算法无关。
+4. PR 7/8 分别报告既有路径回归、无 Canvas 页面的额外成本、有 Canvas 页面的新增成本。
+   新功能有合理的额外成本不等于旧算法负优化；重复执行旧工作则属于需要消除的回退。
+
+## 8. 锁定首版策略与退化
+
+| 决策 | 首版契约 | 理由/验收 |
+|---|---|---|
+| 去重 | 同 document + 同直接 parent + 四条 crop 边完全相等 | 无模糊聚类；误差导致重复比误合并更可控 |
+| 索引容量 | 50,000 keys；耗尽后其余候选继续未去重选择 | 内存有界，不因早期小图耗尽而停止后续发现 |
+| K | min(预算推导容量, 512) | 所有行仍逐条核算可变成本 |
+| 默认视觉预算 | 未给总 maxTokens 时 2048 estimated tokens | 有显式 maxTokens 时全部纳入同一预算 |
+| 摘要预留 | 固定提示行按实际估算器成本预留 | 不用不可验证的固定 token 常量表示某段文本 |
+| 几何时效 | 最大边差 > 0.25 CSS px 即重新观察 | 身份和裁剪策略变化独立拒绝 |
+| 图像 | max edge 2048、max pixels 4,000,000、最多两次 capture | 成功必须以实际尺寸满足后置条件 |
+| 外部几何并发 | 4 | 单操作缓存；操作结束释放 |
+| 新增纯计算取消 | 每 256 项形成工作块并让出事件循环 | 不仅是轮询无法及时更新的 signal |
+
+这些数值是可审查的首版资源政策，不是声称已证明用户体验最优的测量结果。
+参数可以在对应模块 PR 中经新的证据调整，但必须一并更新契约及测试。
+
+进一步收敛：首版精确区域支持轴向矩形、普通 overflow 链、正向轴对齐平移/缩放与 frame。
+旋转、透视、clip-path、mask、活动 pinch-zoom 进入明确的 geometry-unsupported 降级，
+不给看似精确的 region ref，提示现有视口截图途径。不会把包围矩形偷换成精确区域。
+
+## 9. 已执行的检查与下一阶段门槛
+
+已执行：
+
+- main VOM tests：47 passed。
+- main 相关 extension tests：217 passed，含 frame/element geometry、observation、interaction、ref-store、VOM。
+- `pnpm ext:build` 成功，用户 reload 后采集有效页面基线。
+- 独立 Chrome browser contract probe：39 个断言通过；可复现命令见 fixture README。
+- main 合成 capture replay、显式栈/上下文操作计数。
+- 实际 Chrome UI 90% zoom 样本，恢复 100%。
+- 原始表格与合成嵌入式表格均人工查看截图，并与未截断 observe 对照。
+
+PR 0 交付的是已明确边界的设计和基线，不是未来功能已经通过：新的 discovery、typed ref、
+freshness resolver、pixel planner 和 renderer 接线尚未实现。后续每个 PR 必须验证自己的
+生产实现，不能把本次浏览器事实验证替代实现验收。
+
+人工证据不设置默认 CI 对内网站点的访问依赖。合成 probe 可按需执行；页面原文不进仓库。
+后续 PR 的职责和验收保持在主设计中，本文负责记录证据、决策及没有作出的保证。
@@ -0,0 +1,675 @@
+# BrowserSkill 视觉观察：架构设计、边界约束与 PR 实施计划
+
+> 日期：2026-09-08  
+> 状态：PR 0 设计验证稿；基线、浏览器实验和参数决策见 [验证结果](visual-observation-evidence.md)。生产实现尚未开始。执行步骤和成功条件见 [验收清单](visual-observation-acceptance.md)，无需另写报告。  
+> 实施基线：从实施时确认的 main 新建分支；本次分析使用本地 main `3c5f838`。  
+> 参考材料：当前 `fix/vom-canvas-observation` 分支、PR #165、此前的 visual-surface 架构蓝图。旧实现和旧测试是证据来源，不是不可改变的规格。  
+> 本次范围：设计规格及可复现的合成 fixture/诊断工具；不修改生产代码，不继承旧分支提交。
+
+## 1. 设计结论
+
+本次工程的目标是：
+
+**为 VOM 建立独立的视觉观察通道，共享可靠的采集与几何基础，通过明确的区域身份提供截图能力，并使处理成本随输入规模可预测增长。**
+
+工作方式是先确定整体架构、行为契约、模块依赖、复杂度和验收矩阵，再分 PR 实现。分步实现不等于分步思考架构。任何实现阶段需要改变已定契约时，必须先更新设计及相关验收项，不得用局部特殊分支掩盖契约冲突。
+
+本次不是一次目录整理，也不是通用视觉理解平台重写。设计完整覆盖当前能力的生命周期，但不为尚无需求和证据的未来能力预建实现。
+
+### 1.1 必须成立的五个结果
+
+1. observe 能表达“这里存在需要看图理解的 Canvas 内容”，不依赖该元素是否有可用 AX 语义。
+2. 视觉入口的 document、frame、target、节点及坐标归属明确。
+3. 视觉 ref 与 DOM 操作 ref 具有明确且不可矛盾的工具契约。
+4. 截图解析当前目标并验证时效，返回浏览器最终合成的当前图像及真实尺寸。
+5. 采集、索引、发现、选择、输出和截图均有复杂度或资源上限，并从首个实现 PR 开始验证。
+
+### 1.2 不能用来证明成功的指标
+
+- 代码文件拆得更多。
+- 旧分支全部测试通过，但没有重新审核测试中的行为假设。
+- 能识别某个特定 嵌入式 Canvas 表格 页面，却依赖站点 class、URL 或布局常量。
+- 单个简单页面运行很快，但没有最坏输入分析。
+- 文本出现 surface 标记，但其截图对应关系、时效和工具限制没有验证。
+
+## 2. 问题本质与现状
+
+### 2.1 main 的基础能力
+
+当前 main 的主要路径为：
+
+```text
+DOMSnapshot + 各 frame 的 AX
+  → FrameDocument
+  → semantic graph：构建、解析、结构整理
+  → VomScene
+  → VOM 文本及 DOM ref
+```
+
+已经存在 frame document、语义图、几何模块、ref store、截图路径和显式栈渲染器。应复用这些职责，不在旁边建立第二套长期运行的采集、frame traversal 或语义树。
+
+缺口是：元素的 DOM/AX 描述不等于 Canvas 内部的文字、图形和布局。补 role、名称或普通可点击 ref，并不能建立完整的视觉观察能力。
+
+### 2.2 必须分别解决的问题
+
+| 问题 | 要回答的具体问题 | 不属于该问题的内容 |
+|---|---|---|
+| 视觉发现 | 哪些 Canvas 构成可观察候选？ | 它是否可点击、输出多少条 |
+| 空间定位 | 候选在顶层视口的区域是什么？ | 它是否重要、属于哪个业务画布 |
+| 输出选择 | 有限预算下展示哪些入口？ | 改写几何事实、推断业务实体 |
+| ref 身份 | 入口绑定什么目标、允许哪些工具使用？ | 像素缩放、内容识别 |
+| 时效验证 | 当前目标是否仍符合此次观察契约？ | 保证 Canvas 像素未发生重绘 |
+| 图像获取 | 如何获取当前合成区域并限制成本？ | 重建 Canvas 内部对象 |
+
+### 2.3 当前分支值得保留与需要重审的部分
+
+值得保留：语义/视觉双通道、视觉附录、单节点截图锚点、frame 几何共享、像素预算、相关失败场景和 fixture。
+
+需要重审：
+
+- 将 `aria-hidden`、`inert` 与视觉隐藏合并排除。语义暴露、交互资格、视觉存在是不同维度。
+- 将旧区域与实时区域的交集当作时效验证。区域重合不能证明目标仍对应原观察。
+- 将几何重合和共同父节点解释成逻辑画布身份。
+- 将名称有无作为重要性的绝对优先条件，可能让大量有标签的小图排在无标签主画布之前。
+- 视觉附录依赖 DOM 渲染后的剩余预算，可能使视觉通道完全消失。
+- 在每个候选上重复祖先遍历，或假设引入空间索引便自动消除了最坏二次复杂度。
+
+PR #165 优化了既有渲染及上下文查询路径。本次将它作为性能回归保护基线，不作为 Canvas 算法模板，也不据此要求重做原有算法。Canvas 的发现、裁剪、选择和截图具有不同的数据规模与访问模式，应分别设计和验证适合自己的算法。
+
+PR 0 已在用户指定页面确认：表格实际绘制后，main 输出外围工具栏而没有表格列内容及视觉入口，且未截断。直接打开嵌入应用确认存在无标签 Canvas。内部页面资料仅留临时目录；入库使用匿名化结论和独立合成 fixture。
+
+## 3. 范围收敛
+
+### 3.1 本次纳入
+
+- Canvas 元素锚定的视觉观察入口。
+- 顶层、同 target 子 frame、OOPIF 及嵌套 frame 的身份和坐标归属。
+- 已明确支持的视口及 overflow 裁剪。
+- 无标签、存在 AX、不可交互但有视觉内容等候选情况。
+- 有界输出选择及保守的重复截图入口去重。
+- 视觉 ref 的工具契约和 document/几何时效检查。
+- 截图区域解析、像素预算、真实输出尺寸验证和有界重试。
+- 深层 DOM、密集小图、重叠 Canvas 和多 frame 的性能约束。
+
+### 3.2 本次不纳入
+
+- OCR、图像语义识别、Canvas 内部对象树。
+- 画布内部点选、拖拽或内部对象 ref。
+- 地图 tile 拼接、跨节点逻辑画布聚合、多 anchor 区域。
+- 面向所有 SVG、视频、CSS 背景等介质的通用发现插件系统。
+- 任意页面遮挡、透明度、clip-path 和 mask 的精确像素级重建。
+- 改写所有现有语义算法、表单、hover probe 或 recording 协议。
+- 新的 ref 字符串协议、跨 observe 持久对象 ID、分页接口。
+
+边界外的能力可以提出独立设计，不能通过放宽当前去重阈值或给单节点 target 塞可选字段实现。
+
+## 4. 总体架构
+
+```mermaid
+flowchart TD
+    Browser[浏览器 / CDP] --> Capture[CaptureCoordinator]
+    Capture --> Batch[RawCaptureBatch]
+    Batch --> Geometry[GeometryContext]
+    Batch --> Normalize[Normalize + DocumentIndex]
+    Geometry --> Normalize
+    Normalize --> Facts[ObservationFacts]
+    Facts --> Semantic[现有 SemanticPipeline]
+    Facts --> Discover[VisualDiscovery]
+    Discover --> Candidates[VisualCandidates]
+    Semantic --> SemanticScene[SemanticScene]
+    Candidates --> Select[VisualSelection]
+    SemanticScene --> Context[输出上下文 / 活跃层策略]
+    Context --> Select
+    SemanticScene --> Renderer[ObservationRenderer + BudgetPlan]
+    Select --> Renderer
+    Renderer --> Output[文本 + Typed Ref Descriptors]
+    Output --> Registry[RefRegistry]
+    Registry --> Resolve[当前目标及区域解析]
+    Browser --> Resolve
+    Resolve --> Pixel[PixelPlanner]
+    Pixel --> Shot[CaptureExecutor]
+    Browser --> Shot
+```
+
+### 4.1 架构原则
+
+1. 共享事实，分开解释。视觉存在不复用语义节点的保留/排除结论。
+2. 语义关系是视觉区域的可选上下文，不是视觉身份的根。
+3. 几何只有一套解释和投影实现，观察与工具执行使用不同生命周期的上下文。
+4. renderer 只处理数据；浏览器调用止于采集或工具执行边界。
+5. 预算选择只影响输出，不回写采集事实。
+6. ref 的 kind 决定工具适用性，不能由调用者传入另一份可矛盾能力数组。
+7. 模块失败必须可归因；不能将“没有候选”与“采集失败”混为一谈。
+8. 所有资源限制都具有可解释的退化行为，不只是一句“超过上限停止”。
+
+## 5. 模块划分与实现位置
+
+以下为目标职责和建议位置，不要求第一个 PR 搬动全部文件。迁移文件与修改算法尽量分开；模块完成切换后删除被替代路径。
+
+```text
+apps/extension/src/tools/
+  observation.ts                    # 工具入口与结果接线，逐步减去内部实现
+  observation/
+    capture-coordinator.ts          # CDP 编排及批次生命周期
+    capture-types.ts                # 原始批次、归属、阶段状态
+    normalize.ts                    # 原始节点 → 归一化事实
+    document-index.ts               # 按 document 建立共享索引
+    facts.ts                        # 下游可读事实契约
+  geometry/
+    coordinate-types.ts
+    frame-context.ts                # frame/target 投影权威入口
+    primitives.ts                   # 复用/迁入现有数学实现
+  vom/
+    capture.ts                      # 保留或拆出的 DOMSnapshot adapter
+    frame-document.ts               # 复用现有 frame 归属逻辑
+    semantic-graph/                 # 保留语义职责
+    visual/
+      types.ts
+      discovery.ts
+      selection.ts
+      coverage-dedup.ts
+  refs/
+    target.ts
+    resolve.ts
+  screenshot/
+    resolve-region.ts
+    pixel-plan.ts
+    capture.ts
+
+apps/extension/src/session-manager/
+  ref-store.ts                      # session 生命周期与注册存储
+
+packages/vom/src/
+  types.ts                          # 纯场景及渲染契约
+  render.ts                         # 保留显式栈语义遍历
+  render-budget.ts                  # 唯一输出预算核算
+  visual-appendix.ts                # 纯数据视觉条目输出
+```
+
+不同时保留旧 `geometry.ts` 与新 primitives 的两套数学实现。上述目录可按现有工程规范调整，但职责与依赖不得随意调整。
+
+### 5.1 CaptureCoordinator
+
+输入：tab/target、已验证的 URL、取消信号、采集选项。  
+输出：带来源、时间范围、document 身份和阶段状态的 RawCaptureBatch。
+
+- 按 target 分组采集；DOMSnapshot 每 target 一次成功采集，重试单独计数且有界。
+- AX 按协议支持的 frame/target 组织，数量有预算。
+- 原始采集完成后才能运行会改变页面状态的 hover probe，保留已有行为顺序。
+- 明确记录无法采集的 frame，不能把失败 frame 的数据借用其他 target 补齐。
+- 不判断 Canvas 重要性，不投放 ref。
+
+批次是来源和生命周期边界，不是浏览器原子事务。`Readonly` 或冻结对象不能证明各 CDP 响应来自同一瞬间。遇到可检测的导航/document 更换时应中止或有界重采集，不能拼接不同 document 的数据。
+
+### 5.2 GeometryContext
+
+输入：该次操作的 frame graph、原始 metrics、按需取得的 owner quad。  
+输出：frame-local/target-local 到 top-viewport 的投影、裁剪及当前节点区域解析。
+
+- 坐标类型同时携带空间及所属 frame/target；仅标记 `frame-local` 不足以防止错 frame 使用。
+- 原始 DOMSnapshot 单位、CSS 视口单位、截图像素单位分别适配。
+- Canvas 视觉入口采用元素 border-box 的可截图区域；实时解析明确请求同一种 box，不能沿用默认 content-quad 路径再将边框差异误判为移动。iframe 子视口投影仍采用 owner content quad，两者职责不同。
+- 普通 overflow 裁剪使用 ancestor client/scrollport box，不使用祖先 border bounds。adapter 保留 includeDOMRects 的 client offsets/size 及其单位；存在缩放时先转换到相同坐标空间，禁止直接相加不同单位。证据不足时明确降级，不猜测 border/padding 常量。
+- 一个操作内复用 metrics、owner quad 和 projection promise；不跨 observe 或 tool execution 复用 live geometry。
+- 合成变换可以预计算；裁剪边界复杂度须真实计入，不能靠 promise cache 就宣称全部计算线性。
+- 不允许通过 iframe border box 加减常量替代有证据支持的 content geometry。
+
+### 5.3 Normalize / ObservationFacts / DocumentIndex
+
+输入：原始批次及几何上下文。  
+输出：按 document 隔离的只读事实和有界共享索引。
+
+- Raw node 不能含语义不明的 top rect；normalized node 的派生字段由 normalization 创建。
+- 节点 key 包含 document/target 所属信息，不能仅用 backendNodeId 跨 target 建表。
+- 建立 node lookup、parent/children 等基础索引；派生索引必须有明确消费者和复杂度。
+- 用显式栈和 visiting/visited 状态处理任意深度及异常环。
+- orphan 保留“祖先信息不完整”状态；可以在已知范围内生成保守候选，但不能伪装成完整裁剪证据。
+- 视觉样式、AX 暴露、交互资格分开保存，禁止万能 `excluded` 字段承载全部规则。
+- 不给每个节点复制完整祖先数组或完整裁剪链；必要时共享结构或按需解析，计入内存预算。
+
+### 5.4 SemanticPipeline
+
+消费归一化事实，输出现有语义场景。通过窄 adapter 接入新事实契约；迁移完成后删除不再需要的 adapter。
+
+- 不因为视觉发现需求改变 semantic keep/drop、名称恢复或可交互推断规则。
+- 不把视觉候选塞回语义树遍历。
+- PR #165 的显式栈、上下文索引及行为回归保留。
+- 偶然发现的既有语义性能问题只作范围外记录，不构成本次工作项或前置依赖。本次只要求不使原有路径发生性能回退。
+
+### 5.5 VisualDiscovery
+
+输入：ObservationFacts。  
+输出：候选及发现状态，不含最终 ref，不依赖 token 预算。
+
+候选表达一个 Canvas 节点锚定的截图区域。必须具有可解析地址、支持范围内的几何证据和非空候选区域。
+
+- 无 label 不排除；有 AX 内容也不能证明像素内容已被完整描述。
+- `aria-hidden`、`inert`、`pointer-events:none` 不单独构成视觉排除原因。
+- 零尺寸、无渲染区域、已证实的完全透明/隐藏、支持范围内的完全裁剪可排除。
+- `visibility` 等继承与覆盖行为必须按实际 CSS 语义处理，不能把祖先 hidden 一律不可逆传播。
+- `hidden` 等属性不应替代最终渲染事实；存在特殊状态时按实验确认的规则处理。
+- agent 自身 overlay 排除应按所属 document/target 传播。
+- 常规轴向 overflow 累积在一致的坐标空间计算；变换后不能把 top-space 包围矩形当作精确 local-axis clip。
+- 不重建任意遮挡。几何区域是截图候选范围，不保证范围内每个像素均来自该 Canvas。
+
+### 5.6 VisualSelection / CoverageDedup
+
+输入：候选、输出上下文及预算规划所需参数。  
+输出：选中候选、明确的遗漏/退化状态。
+
+- 默认以区域覆盖量等可解释几何依据排序；label 是命名事实，不作为压倒面积的优先条件。
+- 活跃层优先级属于选择策略；被降低优先级不等于物理不可见。
+- 排序键预计算；同层按可见面积降序，再按 frameId、top y、left x、backendNodeId 升序决定顺序。字符串按代码单元字典序、数值按数值比较；同一精确去重组取该顺序最小者。不把跨批次 backend id 稳定性作为保证。
+- 去重只减少重复截图入口，不产生新的 logical surface。
+- 首版仅在同 document、同直接 DOM parent、四条裁剪边数值完全相同的候选之间去重，使用精确 key 的 Map；不使用近似 IoU、尺寸 band 或空间邻居比较。亚像素不同的范围保留独立入口。
+- 首版不输出无法证明的 `layers=N` 业务解释。去重成员只是覆盖证据，不是内部对象模型。
+- 精确去重索引达到 50,000 个 key 后，剩余候选以未去重形式继续进入有界选择，记录去重退化；不得直接丢掉剩余区域。索引已知 key 仍可命中去重。
+- 即使没有去重，top-K 选择和总输出成本也必须有界。
+
+### 5.7 ObservationRenderer / BudgetPlan
+
+输入：SemanticScene、视觉选择结果和输出预算。  
+输出：文本及与已提交行严格对应的 typed ref descriptors。
+
+- 唯一模块核算总文本预算；摘要、头部、条目和截断提示全部计入。新 observe 的统一账本为每个实际输出行分别 `ceil(line.length / 4)` 后求和，length 使用 JavaScript UTF-16 单位；不混用整段核算与逐行核算。
+- 保留语义显式栈和 DOM ref 相对顺序；视觉条目在语义阶段之后提交。
+- 有视觉候选时，规划阶段预留简短视觉提示；其余视觉条目使用明确分配的剩余预算。
+- 极小预算不保证语义与视觉同时完整，必须产生确定的截断结果。
+- 写入行与提交 ref 在逻辑上原子：未写入的条目不能留下可解析 ref。
+- 使用既有 token 估算方法时，预算表示“估算 token 上限”，不能宣称精确模型 tokenizer 上限。
+- 新 observe 预算规划若发现显式预算不足以容纳最小协议头，返回 insufficient-budget，由工具层映射为既有 invalid_params，附最低估算成本；不生成半截协议头或新 ref。snapshot 的旧预算语义不在本次顺带改变。这是 observe 极小预算的明确兼容性例外。逐行统一账本也可能改变临界预算的截断位置；足够预算下无 Canvas 的语义文本及顺序保持不变。
+- 首版固定视觉提示为 `[visual] Canvas regions present; use screenshot`，成本由同一估算器计算。有候选但条目不足时仍尝试保留提示；连提示也容不下则只返回合法的截断语义输出，truncated=true。未知计数不伪装成精确遗漏数。
+- 输出标签最多 160 个 Unicode code point，再经 JSON escaping 与整行成本核算；排序不依赖标签长度。原始采集输入量 B 仍单独计入，不因输出裁剪便宣称采集内存有界。
+- `snapshot` 继续使用既定静态语义输出；新视觉入口首先仅接入 `observe`。不要顺带改变 recording/其他调用方默认选项。
+
+### 5.8 RefRegistry / Resolve
+
+保存 session/tab 隔离的目标描述。DOM 与视觉目标通过判别联合区分；kind 为权威，外部展示能力可从 kind 派生。
+
+```ts
+// 概念契约，具体类型名与仓库适配时确定。
+type RefTarget =
+  | { kind: "dom"; address: NodeAddress }
+  | {
+      kind: "visual-region";
+      anchor: NodeAddress;
+      observed: ObservedGeometry;
+      observationId: ObservationId;
+    };
+
+// NodeAddress 必须能表示 tab、CDP target、frame、document 身份及 backend node。
+// 坐标值同时保留所属空间及 owner，不使用无归属 Rect 穿越模块边界。
+```
+
+工具适用性：
+
+| 消费入口 | DOM ref | Visual ref |
+|---|---|---|
+| screenshot | 维持既有 DOM 截图策略 | 使用视觉区域策略 |
+| click/fill/hover/select 等 | 维持既有检查 | 拒绝，且拒绝发生在派发输入前 |
+| get_html | 维持既有行为 | 拒绝；不隐式降级为 anchor 的 HTML |
+| 人工帮助定位 | 维持既有行为 | 若当前入口必须解释为 DOM 目标则拒绝；未来支持视觉区域需另立契约 |
+
+所有 ref 消费者都必须通过类型化 resolver，不能依赖调用者记得传可选 capability 参数。
+
+现有 `eN` 重用存在明确限制：如果新的 observe 已将 `e1` 重新绑定，单凭客户端传来的旧字符串 `e1` 无法判断它来自上一代。内部 generation 不会自动解决该问题。观察身份采用 target attach epoch + frameId + loaderId + documentElement backend identity，并在执行时验证 anchor 仍连接到匹配的 documentElement；loaderId 单独不足以覆盖 document.open。
+
+本次保留当前“最新观察映射”的外部语义；只承诺能检测当前已存条目的 document/节点/几何失效，不承诺识别所有跨代旧字符串。彻底解决需独立协议设计。
+
+### 5.9 ScreenshotExecution
+
+分成三部分：
+
+1. `resolve-region`：按目标种类解析当前身份与几何、验证 document 和区域变化。
+2. `pixel-plan`：纯数值函数，输出 clip scale 等计划。
+3. `capture`：overlay suppression、CDP 截图、真实尺寸读取、有界重试、取消及 dialog 集成。
+
+- Visual ref 不自动滚动，不通过旧、新区域交集掩盖位移。
+- 首版对超过既定容差的位移、尺寸或裁剪变化返回“需要重新观察”；容差在 PR 0 由测量误差证据锁定。
+- 截图返回执行时浏览器最终合成图，不是观察时像素快照。
+- document 身份验证不能替代几何验证；几何相同也不能证明 Canvas 内容未重绘。
+- 像素规划采用明确 metrics 适配值；真实 PNG 尺寸是输出预算后置条件的依据。
+- 尺寸头校验不宣称完整 PNG 内容验证；缺失/不合法数据与预算超限分开归因。
+- 成功返回必须满足像素上限；有界重试仍失败则返回失败，不能猜测尺寸或无界重拍。
+
+## 6. 算法与资源预算
+
+### 6.0 两类独立的性能责任
+
+**既有路径：防止回退。** 在相同输入、选项和环境下对照 main，检查原有语义处理、DOM ref、普通交互与截图的工作量、内存和实际耗时。不得因接入 Canvas 而重复运行语义解析、重建已有索引、增加原有节点的上下文查询，或撤销 #165 的优化。本次不要求把既有算法统一改成某个复杂度。
+
+**新增路径：独立设计。** 围绕 Canvas 数量、frame 数量、裁剪复杂度、输出预算及截图像素量分析新成本；不照搬旧 renderer 的算法，也不以“旧算法使用了索引/显式栈”代替新问题的算法论证。下文复杂度与资源要求约束新增或本次实际改动的职责。
+
+性能验收分三组，分别报告，不能互相替代：
+
+| 验收组 | 对照方式 | 必须说明的结果 |
+|---|---|---|
+| 既有语义/操作路径 | 同一输入在 main 与新分支运行，隔离新增视觉工作 | 既有阶段未引入额外遍历、重复请求或可归因的性能回退 |
+| 无 Canvas 页面 | 实际完整 observe 对照 | 仅保留必要的候选检测开销；确认无候选后不建视觉索引、不执行视觉几何查询或截图 |
+| 有 Canvas 页面 | 单独测量视觉各阶段，再测完整 observe | 新成本与 C/F/P/K/像素等规模相符，资源有界；不把合理的新功能成本误记为旧算法退化 |
+
+实际耗时需要多次同环境对照并结合操作数判断，不能仅凭一个容易波动的耗时值下结论。新增字段采集或共享模块调整的额外开销也必须归因并报告，不能藏在“原有成本”中。
+
+### 6.1 规模定义
+
+| 符号 | 含义 |
+|---|---|
+| B | 原始协议数据及字符串总量 |
+| N | 采集 DOM 节点数 |
+| A | AX 节点数 |
+| F / T | frame 数 / CDP target 数 |
+| C | 视觉候选数 |
+| K | 最大选中输出条目数 |
+| Q | 去重实际候选比较次数 |
+| P | 几何计算量，如顶点处理、裁剪操作总数 |
+| H | 语义上下文查询实际处理的数据总量 |
+| L | 最终输出文本长度 |
+
+不能忽略 B、P、H 后笼统宣称整个管线 `O(N)`。原始数据解码至少与输入量相关，复杂裁剪和语义上下文的总成本需要显式计算。
+
+### 6.2 模块性能契约
+
+| 阶段 | 复杂度/上限目标 | 禁止的实现 |
+|---|---|---|
+| 原始解码 | 与 B 线性相关 | 为每个节点重新解码共享列或字符串 |
+| 文档索引 | `O(N + A + F)`，不含协议字节解码 | 每个候选全文扫描 |
+| 可合成祖先状态 | `O(N)` 建立，候选常数次查询 | 每 Canvas 完整祖先 walk |
+| Frame 几何 | 变换/证据按 frame 复用，额外成本计入 P | 每 node 查询 metrics/quad |
+| 发现 | 索引后 `O(C)`，额外几何成本计入 P | 发现函数内重新查 CDP |
+| top-K | `O(C log(K+1) + K log(K+1))` | 无需要地重复全量排序 |
+| 去重 | 精确 key Map，摊销 O(C)，索引至多 50,000 个 key；首版 Q=0 | 引入模糊匹配和同 bucket 两两比较 |
+| 新增视觉渲染与既有渲染接线 | 新增工作按选中条目及 L 核算；既有 H 对照 main 不回退 | 为视觉条目重新执行语义遍历或扫描全部节点 |
+| 截图 | 调用和重试次数有界，成功图像像素数有界 | 无限重试、猜测输出尺寸 |
+
+K 从预算允许的最小条目成本推导，并受异常安全上限约束；实际每行仍核算成本。面积优先 top-K 不应被描述为严格求解“可变长度条目预算最优装包”，本次不实现此类优化问题。
+
+### 6.3 首版资源参数及锁定规则
+
+以下是 PR 0 锁定的首版策略参数。它们是有明确退化语义的工程预算，不是性能最优值的统计结论；调整须更新对应契约测试：
+
+- Visual 截图最大边：2048 px；最大面积：4,000,000 pixels。
+- 单次视觉截图最多 2 次 capture 尝试。
+- Frame 几何外部请求最大并发：4。
+- K 异常安全上限 512；正常数量由预算与条目成本决定。
+- 几何变化阈值：top-viewport CSS px 的四条边最大差值超过 0.25 即要求重新 observe；document、anchor、裁剪策略改变不受该容差豁免。
+- 没有显式 maxTokens 时，视觉通道估算 token 预算 2048；有显式预算时，优先为固定摘要行按当前估算器计算实际预留量，条目用剩余预算，全部计入同一总预算。
+- 精确覆盖去重索引最多 50,000 个 key；耗尽后继续未去重 top-K，标记 dedup-degraded；不得停止扫描剩余候选。
+- 新增纯计算阶段每 256 个节点/候选形成可取消工作块；需要实际让出事件循环，而不是只读一个尚无机会更新的 AbortSignal。
+
+每个限额均须有单位、适用阶段、计数口径和耗尽行为。数字集中在所属模块策略配置中，不散落为多个含义相近的常量。若 PR 0 未锁定参数及退化契约，对应实现 PR 不得以随意常量合入。
+
+### 6.4 性能测试方法
+
+- 节点访问、祖先推导、候选比较、CDP 请求数、最大并发及中间集合大小均做可断言计数。
+- 对新增树处理使用深树/宽树测试，证明无调用栈溢出或重复全量扫描；既有 renderer 的对应输入用于 main 前后回归对照，不要求本次消除其历史复杂度。
+- 规模翻倍时检查操作数增长是否符合分析，避免只看一次墙钟时间。
+- 精确去重索引至少测试：全部重合、亚像素差异、同 crop 不同 parent、全部互不相交、容量耗尽；未来若引入空间索引，必须另增退化测试。
+- 大量有名小图与无名主画布并存，验证排序不会因标签策略丢失主要区域。
+- 保留 #165 回归；为新增模块增加性能契约，而不是声称旧测试覆盖整个链路。
+- 真实耗时基准用于观察额外成本和实际收益，需记录环境；不使用耗时阈值代替算法验证。按验收清单的性能步骤 预热 3 次、交替采样 20 次，分别报告旧阶段和新增成本；旧阶段中位数增加超过 max(基线 10%, 2ms) 时独立复测，两轮均超过且可归因于改动则 FAIL，无法排除噪声则 BLOCKED。
+
+## 7. 失败、降级与一致性
+
+内部状态至少区分：
+
+```text
+capture-unavailable
+document-changed
+frame-ownership-unresolved
+geometry-unavailable
+geometry-unsupported
+outside-supported-clip
+discovery-partial
+selection-truncated
+dedup-degraded
+target-detached
+geometry-changed
+image-invalid
+pixel-budget-exceeded
+```
+
+这些是内部分类，不要求逐项扩展外部 RPC code。外部沿用既有错误分类并给出准确 message/必要 detail；不可把所有时效或几何失败叫权限问题。
+
+原则：
+
+- 视觉分支失败不应使已获得的语义结果无故丢失。
+- 没有候选、没有预算、没有采集成功必须可区分。
+- exact omitted count 只在可计算时输出；原始候选数与去重后的区域数不能相加冒充精确数量。
+- 捕获批次不保证页面静止；可检测的身份变化必须处理，不可检测的像素重绘不作虚假保证。
+- 取消在阶段边界和有界工作块之间检查，不能在大型纯计算循环结束后才响应。
+
+## 8. 兼容性与影响面约束
+
+1. 从 main 新建实现分支；不将当前分支整体 cherry-pick 作为迁移方式。
+2. 没有视觉候选的页面，语义文本、DOM ref 相对顺序和操作行为维持原有契约。
+   例外为上述 observe 显式预算小于最小协议头的 invalid_params 行为及统一账本导致的临界预算截断位置变化；足够预算不改变旧语义。
+3. 有视觉候选的 observe 允许新增视觉文本，并按新预算规划改变截断位置；这是明确行为变化。
+4. `snapshot`、recording、hover probe 默认行为不随视觉通道接入而隐式改变。
+5. 修正已证明错误的坐标允许改变输出位置，不以错误 golden 为兼容目标。
+6. 几何共享改动必须覆盖已有 DOM 点击/截图路径回归；不以 Canvas 测试代替。
+7. CLI/协议外形优先保持；确需新增外部字段、错误子码或参数时，必须在对应 PR 明确列出全部消费者。
+8. 不进行无关格式化、目录大搬迁、依赖升级或语义启发式修改。
+9. 不长期保留两套 capture decoder、metrics adapter、frame resolver、token accounting 或 pixel planner。
+10. 不把站点特征、fixture 标签、CSS class 或 URL 放入生产决策。
+
+## 9. 设计验证清单与关闭方式
+
+| 待验证项 | 证据 | 必须形成的决定 |
+|---|---|---|
+| 嵌入式 Canvas 表格 原始失败 | main 的观察输出、对应截图及结构证据 | 失败归属、最小复现和成功标准 |
+| DOMSnapshot / metrics 单位 | DPR、zoom、scroll、frame 矩阵 | 原始单位适配和转换入口（实验结论见证据文档） |
+| frame / target 坐标 | 同 target、OOPIF、nested、带边框/变换样例 | content quad 来源、坐标归属及支持范围 |
+| document 身份 | 导航、同 frame document 替换、target 重建 | 使用哪些现有标识/事件，何时失效 |
+| CSS 视觉规则 | visibility 覆盖、opacity、hidden、单轴 overflow | 可合成状态和不支持情况 |
+| 时效容差 | 静止页面测量噪声、可控移动/缩放/裁剪变化 | 容差单位、比较规则和失败行为 |
+| 预算 | 调用方 max_tokens 使用方式、密集画布样例 | 提示预留、K、限额与截断规则 |
+| 去重 | 重合、近重合、不同父节点、相邻 tile | 首版等价规则和 Q 上限 |
+
+验证结果与最终决定见 [PR 0 证据及决策](visual-observation-evidence.md)。首版精确几何支持收敛到已验证的轴向矩形、正向轴对齐平移/缩放、普通 frame/overflow 链。旋转、透视、clip-path、mask 和活动 pinch-zoom 不承诺精确区域 ref：返回 geometry-unsupported 状态并提示使用现有视口截图。后续扩展必须独立验证。浏览器 UI zoom 与 CSS zoom 分开验证，不能用 pinch emulation 代替 UI zoom。
+
+进一步限定：CSS zoom/DOM transform 作用于 overflow 裁剪祖先的组合，首版也进入 geometry-unsupported。
+实验表明 snapshot.bounds 已缩放，而 clientRects/offsetRects 仍有未缩放和整数取整语义，不能靠一个宽度比准确恢复所有边。
+普通 Canvas 的 CSS zoom bounds 与 iframe content quad 缩放仍可使用；这不意味着缩放后的任意 DOM scrollport 都已获得精确支持。
+Facts 必须保留 client box、transform/zoom 及 clip-path/mask 等支持性证据，discovery 返回状态而不是另写近似投影。
+
+## 10. PR 划分与依赖
+
+PR 0 是设计与证据入口；PR 1—6 建立模块；PR 7 接入公开 observe；PR 8 完成跨模块验收和迁移收尾。编号是顺序计划，不是实际 GitHub PR 编号。
+
+```text
+PR 0 设计规格与实验
+  └─ PR 1 几何与身份契约
+       └─ PR 2 采集批次与共享事实
+            └─ PR 3 视觉发现
+                 └─ PR 4 选择、去重与预算
+
+PR 1 + PR 2 ──→ PR 5 类型化 ref
+PR 1 + PR 5 ──→ PR 6 视觉截图执行
+
+PR 2 + PR 3 + PR 4 + PR 5 + PR 6
+  └─ PR 7 observe 组合与接线
+       └─ PR 8 整体验收与迁移收尾
+```
+
+独立模块可以使用人工输入测试，不必等待真实上游接线。实现可依赖前序已合入 main 的 PR，避免多个大型长期分支互相漂移。阶段未接线的模块必须有紧邻的消费计划，不保留无期限死代码或对用户暴露半成品。
+
+### PR 0：规格收敛、最小复现与基线
+
+完成：
+
+- 审核现有分支 fixture，区分正确规格与需要推翻的预期。
+- 记录 嵌入式 Canvas 表格 原始失败及 main 基线，建立独立于站点的最小 fixture。
+- 完成第 9 节实验，锁定核心数据类型、支持范围、容差和资源参数。
+- 固定 #165 的相关回归结果和操作数基线；不夸大旧测试覆盖范围。
+- 将行为契约映射到后续每个模块的测试清单。
+
+不做：生产算法替换、全目录迁移、正式视觉通道接入。
+
+验收：核心身份、坐标、裁剪、预算和失效规则不存在未指定行为；未支持情况有明确策略。若仍有未知项，先调整范围而不是让后续 PR 猜测。
+
+### PR 1：统一几何与节点身份契约
+
+完成：
+
+- 引入有 owner 的坐标和地址类型，区分 frame/target/top/CSS/image 空间。
+- 统一 metrics 解释、frame projection 和 owner geometry 查询。
+- 共享单次操作内的 promise cache；保证采集和执行使用独立上下文。
+- 给既有 DOM 几何入口做窄适配；移除已被替代的投影路径。
+
+不做：Canvas 发现、排序、ref 外部行为变化。
+
+验收：scroll、border、同 target、OOPIF、nested、支持范围内的 transform/DPR/zoom 矩阵通过；已有 DOM 点击与截图回归通过；请求计数和几何成本可解释。
+
+### PR 2：采集批次、归一化事实和共享索引
+
+完成：
+
+- 将原始解码、采集编排、normalization 明确分开。
+- 按 target 去重采集，记录 document 身份、时间范围和阶段失败。
+- 建立 ObservationFacts、document 隔离 lookup/children 索引和正确的祖先状态结构。
+- 现有 SemanticPipeline 通过 adapter 消费新事实；保持 hover 在静态采集后发生。
+- 删除不再使用的可变中间态和重复解码/归属推断路径。
+
+不做：变更语义保留规则、视觉输出和截图政策。
+
+验收：语义回归及 frame ownership 通过；deep/wide/orphan/cycle 有明确结果；解码、索引、采集数量符合预算；无每节点完整祖先复制。
+
+### PR 3：纯数据视觉候选发现
+
+完成：
+
+- 实现 VisualCandidate 及 discoverVisualCandidates。
+- 落实无标签、有 AX、aria-hidden/inert/pointer-events、透明/隐藏、裁剪规则。
+- 候选关联 document/anchor/geometry，语义上下文只作为可选信息。
+- 返回发现失败或不完整状态，避免与无候选混淆。
+
+不做：ref 分配、截图、token 排序、逻辑画布合并。
+
+验收：每条发现规则都有正反 fixture；输入同一份事实输出确定；索引后的候选发现不重复扫 DOM 或走完整祖先链；不增加 CDP 调用。
+
+### PR 4：有界选择、保守去重与输出预算计划
+
+完成：
+
+- 明确几何优先排序及确定性 tie-breaker，预计算比较键。
+- 实现有界 top-K，K 受文本预算和安全限额约束。
+- 实现精确覆盖 key 去重及索引容量耗尽后“继续未去重选择”的退化行为；首版 Q=0，不进行模糊两两比较。
+- 建立纯 BudgetPlan 和视觉摘要/条目格式，统一预算核算契约。
+- 明确候选数、输出数、遗漏数及去重退化信息的口径。
+
+不做：多 anchor target、业务画布推断、生产 observe 接线。
+
+验收：密集小图、无名主画布、全部重合、同 bucket 不等价、极小预算均有确定结果；比较次数、堆大小、输出成本有界。
+
+### PR 5：类型化 ref 注册与工具解析
+
+完成：
+
+- RefStore 保存判别联合，绑定 document 及 observation 信息。
+- kind 派生工具适用性，删除可独立构造的矛盾 capability 状态。
+- 审核并迁移截图、交互、get_html、人工帮助等全部 ref 消费者。
+- 保持 eN 外部语义，文档明确跨代字符串识别限制。
+
+不做：引入新版 ref 协议、自动把视觉 ref 当 DOM anchor 使用。
+
+验收：跨 session/tab 隔离；document 失效；全部工具矩阵通过；拒绝在输入派发前发生；旧 DOM ref 行为保持。
+
+### PR 6：视觉截图的区域解析、像素规划与执行
+
+完成：
+
+- 分离 resolve-region、pixel-plan、capture executor。
+- 实现 visual 不滚动、身份验证、几何容差及重新观察错误。
+- 实现真实输出尺寸后置条件、有界重试和准确失败归因。
+- 复用 overlay suppression、取消和 dialog 机制。
+
+不做：Canvas 内部截图、像素冻结、多节点 union、内部点交互。
+
+验收：移动/缩放/裁剪变化、节点移除、document 替换、DPR/zoom、无效图像、超预算和取消路径通过；成功图像符合像素预算；现有 DOM 截图回归通过。
+
+### PR 7：观察结果组合与 observe 接线
+
+完成：
+
+- 将 Facts 的语义/视觉两路结果交给统一输出规划和 renderer。
+- 保留 #165 显式栈和 DOM ref 相对顺序，追加视觉条目。
+- 仅对已写入条目提交 ref，失败/截断状态正确传递。
+- 视觉提示参与预先预算，避免 DOM 耗尽预算后完全无提示。
+- 仅在 observe 默认启用新视觉通道；必要的 CLI/skill 使用说明同步更新。
+
+不做：顺带修改 snapshot、recording 或 hover 默认策略。
+
+验收：从人工 facts 到文本/ref 的集成测试、真实单 Canvas observe → screenshot 闭环通过；无 Canvas 页面回归通过；极小预算无悬空 ref。
+
+### PR 8：跨模块验收、性能证据与收尾
+
+完成：
+
+- 在真实浏览器运行完整 fixture 矩阵和 嵌入式 Canvas 表格 原始场景，保存可复现结果。
+- 验证整个管线的请求数量、集合规模、比较次数、深树安全和真实耗时。
+- 检查新模块是否存在重复解释、长期 adapter、无消费者代码或语义影响扩散。
+- 收尾剩余迁移文档、调试信息说明、支持范围和已知限制。
+
+不做：把此前未测试的性能正确性全部拖到本 PR，也不接纳新的功能范围。
+
+验收：第 11 节全部通过；若发现某模块契约错误，修正在该模块并补对应验收，不在最终接线处加站点特判。
+
+## 11. 总体验收矩阵
+
+本节是范围索引，具体怎么做、什么算成功见 [验收清单](visual-observation-acceptance.md)。新会话按当前 PR 执行并直接说明结果即可，无需报告模板或逐项登记。修改契约时同步清单，避免两套标准。
+
+| 维度 | 必测场景 | 主要责任 |
+|---|---|---|
+| 发现 | 无名、有 AX、aria-hidden、inert、pointer-events:none | PR 3 |
+| 视觉状态 | 零尺寸、透明祖先、visibility 覆盖、支持范围内 hidden 状态 | PR 0/2/3 |
+| 裁剪 | viewport、单轴/嵌套 overflow、支持范围内变换 | PR 1/2/3 |
+| frame | 同 target、OOPIF、nested、border、缺失 owner | PR 1/2 |
+| 身份 | target 冲突、节点移除、导航、document 替换 | PR 2/5/6 |
+| 输出 | DOM 顺序、视觉提示、modal 策略、极小预算、遗漏口径 | PR 4/7 |
+| ref | 工具矩阵、跨 tab/session、无悬空 ref | PR 5/7 |
+| 截图 | 几何变化、DPR/zoom、实际像素、重试、overlay | PR 6 |
+| 算法 | 深树、宽树、高密度、全部重合、索引退化 | 各模块 PR |
+| 回归 | #165、普通 DOM 点击/截图、snapshot、recording、hover | PR 1/2/7/8 |
+| 产品结果 | main 原始失败与新链路的 嵌入式 Canvas 表格 场景对照 | PR 0/8 |
+
+## 12. 相比旧蓝图的明确调整
+
+| 旧方向 | 本文调整 | 原因 |
+|---|---|---|
+| 全链路 transaction 先行 | 建立来源明确的 capture batch；不承诺原子快照 | 生命周期模型不能代替一致性证据 |
+| candidate → stack → logical surface 必经分层 | candidate + 输出覆盖去重；logical surface 不进入本次 | 限制身份模型及截图复杂度 |
+| 统一祖先 excluded | 视觉、语义、交互状态分开 | 避免加速错误规则 |
+| 各阶段一律兼容 adapter | 仅消费者迁移需要时使用，并随切换删除 | 避免临时抽象堆积 |
+| 性能作为后续优化阶段 | 每个模块设计/实现均有复杂度与计数验收 | 防止功能完成后再补算法 |
+| renderer 最后尝试附录 | 先规划预算，再分阶段输出 | 避免视觉入口系统性消失 |
+| observed rect 与 live rect 求交 | 身份和几何分别验证 | 避免成功返回错误截图片段 |
+| generation 暗示 freshness 已解决 | 明确现有 eN 重用限制 | 防止无法实现的旧字符串识别承诺 |
+| 当前测试全部视为兼容基准 | 先审核期望，再保留正确回归 | 测试不能替代行为规格 |
+
+## 13. 完成定义与设计变更纪律
+
+工程完成必须同时满足：
+
+- 五条核心结果全部成立，真实 嵌入式 Canvas 表格 场景及独立 fixture 均有证据。
+- 每个模块只有一个权威实现，依赖方向与本文一致。
+- 坐标和节点地址跨边界时身份明确，失败可归因。
+- 视觉发现不依赖语义树保留结果，不混淆视觉与交互属性。
+- 性能上限及退化可测试；复杂度没有遗漏协议输入量和几何工作量。
+- 现有语义、DOM 操作及 #165 成果受到明确回归保护。
+- 当前支持范围、近似/拒绝行为和 ref freshness 限制已记录。
+- 不存在为了通过原始站点而增加的生产特判。
+
+每个实现 PR 的描述必须写明：解决哪个独立问题、改变哪个契约、哪些行为允许变化、验证哪些正确性与性能要求、删除哪条旧路径。若没有删除旧路径，应说明保留原因和明确的后续消费/移除 PR。
+
+新的案例若属于已定规则范围，应修复负责该规则的模块；若要求改变目标身份、几何支持或对外协议，应先形成设计变更。不得在 observation 接线、renderer 或截图执行末端不断补跨层例外。
+
+## 14. 参考与证据来源
+
+- 本地 main：`3c5f838`；当前分析分支：`fix/vom-canvas-observation`。
+- PR #165 本地合并提交：`5ed8287`；实现提交：`641d934`。涉及 renderer 上下文索引、显式栈等优化。
+- 主要代码范围：`apps/extension/src/tools/observation.ts`、`tools/vom/capture.ts`、`tools/vom/frame-capture.ts`、`tools/vom/semantic-graph/`、`tools/frame-geometry.ts`、`session-manager/ref-store.ts`、`packages/vom/src/render.ts`。
+- 当前分支参考：`tools/vom/rendered-surfaces/`、`tools/visual-screenshot-plan.ts` 及相关 fixture/test。
+- 原 visual-surface 架构蓝图作为历史参考，不是本设计的执行规格。
+- 浏览器语义参考：[aria-hidden](https://developer.mozilla.org/en-US/docs/Web/Accessibility/ARIA/Reference/Attributes/aria-hidden)、[inert](https://developer.mozilla.org/en-US/docs/Web/HTML/Reference/Global_attributes/inert)、[visibility](https://developer.mozilla.org/en-US/docs/Web/CSS/Reference/Properties/visibility)。本次 CDP 单位、frame 和身份实验结论见验证结果文档；支持范围之外的行为不作推断。
+
+本文中的路径为代码职责定位，最终目录命名可适配工程规范；行为契约、问题边界、复杂度预算和验收要求不能因此省略。