Agent 能打开网页、点击和截图吗？
在支持浏览器工具的环境里完成明确的页面操作。
浏览器操作与正文读取不同
网页正文读取适合提取公开文字；浏览器操作则可以在适用环境中访问页面、查看状态、点击和截图，适合需要观察布局或动态交互的任务。Agent 是否能完成这些动作，取决于当前环境的工具支持与连接状态。
不要把每个联网任务都理解为已经使用了真实浏览器。
给出具体页面目标
例如“打开公开页面，检查移动端导航是否遮挡内容，并保存截图”。明确要检查的状态、屏幕条件和产物，会比“帮我看网站”更容易得到可验证结果。
对于界面问题，提供出现问题的页面路径和复现顺序，并要求记录每一步实际状态。截图最好标明是在操作前还是操作后；仅有最终截图时，往往无法证明中间交互是否真的按要求发生。
- 确认目标网页和允许操作的范围。
- 说明需要观察的页面状态或交互。
- 要求提供截图或实际可见结果。
- 涉及提交或修改时，先确认具体操作。
登录与环境边界
Agent 使用的浏览器不应被假定已经拥有你日常浏览器的登录状态；云端与本机也可能看到不同页面。出现验证码、登录要求或访问拒绝时，应按网站要求处理，不保证自动完成。页面上显示成功后仍要核对最终状态，特别是跳转、上传和表单提交。