我想输入一张截屏图片和一个用自然语言描述的目标，返回目标的精确坐标。
比如输入 {"https://ooo.0x0.ooo/2024/10/28/OD3TzB.png", "发布按钮"}
返回 (517,880)
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.