graph LR
    A["🖥️ 截取屏幕"] --> B["🧠 GPT-5.4<br/>理解界面"]
    B --> C["📋 返回动作指令<br/>点击/输入/滚动"]
    C --> D["⚙️ 你的程序<br/>执行操作"]
    D --> A

    style A fill:#f9f,stroke:#333
    style B fill:#10a37f,stroke:#fff,color:#fff
    style C fill:#bbf,stroke:#333
    style D fill:#fbb,stroke:#333