feat(vom): make canvas-rendered content observable | 支持在 observe 中发现并截图 canvas 视觉区域

[Ljy-0827]

问题

当前 VOM 对于 Canvas 渲染的表格、白板、图表等内容，页面虽然视觉上存在大块有效信息，但语义树中通常没有对应内容。

这会导致：

• observe 只能看到 Canvas 周围的工具栏和控件，看不到核心视觉区域。
• 模型不知道页面存在一块未被语义化的内容，也不知道下一步应该如何观察。
• 多层 Canvas 共同渲染一个界面时，简单暴露 DOM 节点还会产生重复、噪声。
• 如果直接把 Canvas 当普通元素引用，又可能误导模型对其执行 click、fill 等不可靠操作。
• 典型表现是 iWiki 内嵌智能表格：VOM 能读取工具栏，但无法感知表格主体。

解决方案

在 observe 的现有语义观察结果上，补充一层通用的 Canvas visual surface discovery：

• 从已捕获的页面和 iframe 文档中发现可见、实际渲染且具有一定视觉重要性的 Canvas。
• 过滤隐藏、不可见以及已有可靠原生语义映射的 Canvas，减少误报。
• 将高度重叠、共同组成一个视觉界面的多层 Canvas 合并成一个 surface，避免重复输出。
• 将发现的区域挂载到 VOM 中最接近的语义父节点，并输出明确的 visual-only surface 标记。
• 为 surface 分配仅支持截图的 ref，引导模型通过 screenshot --ref 查看其当前可见内容。
• 对 surface ref 的 click、fill、hover、select 等交互进行能力拒绝，避免将视觉区域误认为普通 DOM 控件。
• 对局部截图设置可见区域和像素预算，支持跨域 iframe，同时控制图片尺寸和成本。
• 保持 snapshot 和录制路径不变，避免扩大现有静态语义观察的行为范围。

这个 PR 解决的是 Canvas 区域“不可感知、无观察入口”的问题；Canvas 内部的结构化理解、OCR 和交互能力不在本 PR 范围内。