Percepción
Lo que un modelo de lenguaje puede percibir de una página web cuando nada se muestra como imagen: conocimientos generales, útiles aunque nunca instale Dinoer.
Un modelo de lenguaje no ve una página web. Si recibe una captura de pantalla, obtiene píxeles: puede decir que la página parece rota, pero no puede actuar sobre nada, porque nada en una imagen se puede señalar. Si recibe el HTML en bruto, obtiene todo a la vez, incluidas cientos de líneas de marcado de maquetación.
Dinoer no le da ni lo uno ni lo otro. Ninguna imagen, en ningún modo. Le da la estructura que el navegador ya construye, en forma de texto.
Dos vistas, ambas de texto
El árbol de accesibilidad es la estructura que el navegador construye para los lectores de pantalla: títulos, roles, enlaces, estados. El texto extraído es el contenido de la página sin su marcado ni sus etiquetas de relleno, para cuando importa lo que dice la página más que cómo está organizada.
Ninguna sustituye a la otra. El árbol dice qué es una página; el texto, qué dice. Una página puede tener un árbol rico y poco contenido, o al revés.
Reproducirlo
Las salidas de esta sección se obtuvieron sobre https://example.com el 14 de
agosto de 2026:
/opt/dinoer/venv/bin/python3 /opt/dinoer/shot.py \
--url https://example.com --a11y --guide-version 1.6