Por qué una captura de pantalla no basta
Una imagen es plana y calla lo que no muestra. Cuatro cosas que una página contiene y que ninguna captura le mostrará nunca — y lo que ocurre cuando un agente supone lo contrario.
Dar a un modelo una captura de pantalla parece darle ojos. Se parece más a entregar a alguien la fotografía de una habitación y pedirle que abra el tercer cajón.
La imagen es exacta. También es plana, calla sus propios límites y omite cuatro cosas que deciden si una acción va a funcionar.
Uno — lo que queda por debajo de la parte visible
Una captura encuadra una ventana, no un documento. En el índice de recetas de este sitio, en la ventana por defecto de 1280 × 720, Set-of-Mark numera los 16 elementos interactivos visibles e indica otros 27 fuera de la ventana (medido el 26 de septiembre de 2026):
"boussole": {"som_hors_viewport": 27}
Diwall lo dice en lugar de dejar que usted lo descubra. Sin ese recuento, un agente que mira la imagen concluye que la página tiene dieciséis elementos — tiene cuarenta y tres, y el agente se equivoca sobre la página, con total seguridad.
La solución es desplazarse antes de actuar, pero lo importante está antes: la imagen no sabe lo que le falta. El JSON, sí.
Dos — lo que está en la página pero no en la pantalla
Un <dialog> que no se ha abierto existe en el documento. Sus botones son
reales, direccionables e invisibles. Un menú plegado contiene sus enlaces. Un
panel de pestaña contiene su contenido.
Nada de ello aparece en la captura, y todo está a un clic de aparecer. Un agente que razona solo a partir de la imagen cree que esos elementos no existen; un agente que razona a partir del documento en bruto cree que están disponibles ya. Los dos se equivocan, en sentidos opuestos.
Lo que decide es si el elemento está renderizado, no si está presente. Esa distinción no tiene forma visual.
Tres — qué es un elemento, y adónde lleva
En una captura, un enlace y un botón con el mismo estilo son idénticos. También un control desactivado y uno activo, cuando el diseñador eligió un gris discreto.
La página sí conoce la diferencia. link "Dashboard" /url: "#a" indica el rol
y el destino — antes de hacer clic en nada. option "production" [selected]
indica qué opción está activa. Ningún examen de los píxeles recupera eso.
Cuatro — si la página sigue siendo la misma
Una captura es un instante. Entre el momento en que se toma y el momento en que se ejecuta una acción, un banner puede cerrarse, un modal abrirse, una lista ganar cuatro filas. Todo lo que se identificó por su posición en esa imagen se ha movido, sin avisar.
No es una hipótesis: es la forma más habitual en que un clic automatizado cae en el elemento equivocado mientras informa de éxito. Una captura no tiene manera de avisarle, porque una captura no tiene noción del después.
Entonces, ¿para qué sirve la captura?
Para usted.
La imagen es lo que una persona puede comprobar de un vistazo — el diseño, el banner de error, el botón que está gris cuando debería ser azul. Es lo que hace que un informe sea verificable, y no solo creíble.
El modelo necesita los números y el árbol; usted necesita la imagen. Diwall devuelve ambos en la misma llamada porque responden a preguntas distintas, y ninguno sustituye al otro.
En resumen
- Una captura encuadra una ventana;
som_hors_viewportle dice lo que ha recortado. - Estar en el documento no es lo mismo que estar renderizado en la pantalla.
- Los roles, los destinos y los estados no tienen forma visual.
- Una imagen no tiene noción del después — las posiciones se desplazan sin avisar.
- La imagen es para la persona. La estructura es para el modelo.