ref = 元素的「身份证号」
从比喻到原理，彻底搞懂 AI 怎么操控网页元素
🏨 先打个比方：酒店房间号 你住酒店时，前台给你一张房卡，上面写着 301。 你不需要知道这间房的建筑图纸（HTML结构）、承重墙在哪（CSS布局）、电线怎么走（JS逻辑）。 你只需要知道：我的房间是 301，然后直接去 301 就行。 💻 回到网页：ref 就是房间号 网页上的每个可交互元素，OpenClaw 都给它发了一张身份证——就是 ref=e14 这样的编号。 AI 不需要知道这个元素的 id、class、CSS选择器。它只需要拿到 ref，就能精准定位并操作那个元素。 🔄 完整流程（刚才真实跑了一遍） 1 浏览器打开百度首页 navigate → https://www.baidu.com 2 获取页面快照 → AI 拿到 ARIA 树 snapshot 返回 34 个元素的语义描述 其中包含： 搜索框textbox [ref=e14] 搜索按钮button [ref=e15] 3 AI 用 ref=e14 输入文字 act(kind: \”type\”, ref: e14, text: \”银行卡读取设备\”) // OpenClaw 内部：找到 ref=e14 对应的 DOM 节点 // → 向该节点注入键盘事件 → 文字出现在搜索框中 4 AI 用 ref=e15 点击按钮 act(kind: \”click\”, ref: e15) // OpenClaw 内部：找到 ref=e15 对应的 DOM 节点 // → 发送 mousedown + mouseup + click 事件 // → 百度执行搜索 ✅ 5 截图返回结果 screenshot → PNG 图片 → 微信发送给你 🔍 ref 到底是什么？
ref 是 Pla
