训练一个真正会用网页的GUI Agent，最自然的思路通常是： 去真实网站上操作，收集轨迹，再拿来训练。 但有一个卡脖子的问题——真实网站不告诉你答案。 当Agent在真实网页上点击、输入、跳转时，我们往往只能看到页面截图或DOM变化，很难直接知道背后的 ...