1 · Permiso y captura
La pantalla NO sale de tu máquina. Tú eliges qué compartir y puedes parar cuando quieras.
Lo único que puede hacer una web pura: ver (con tu permiso), no actuar. Mover el ratón, teclear o abrir apps necesita un Operator Bridge local (mismo patrón que el Bridge de Elffuss Code).
2 · Entender la pantalla
Tesseract · en tu navegador
(captura la pantalla y pulsa «Leer el texto»)
(la clave se queda en tu navegador; la petición va directa a Anthropic)
El cerebro que entiende una pantalla (UI, facturas, dónde está cada botón) es un modelo de visión de verdad. Un captioner local de fotos no sirve; el OCR local sí lee el texto, y Claude (opt-in) razona sobre él.