feat(execution): cascade post-raccourci pilotée par DialogHandler/OCR

Le pHash global 8x8 sur écran 1920x1080 ne détecte pas l'ouverture d'un
dialog modal dans une VM QEMU (un dialog 800x500 couvre ~3 pixels pHash,
distance Hamming typique = 1-2, sous le seuil de 3). Découvert sur Win11/
Notepad : Ctrl+Shift+S ouvrait bien le dialog mais Léa abortait à tort.

_handle_post_shortcut() poll désormais DialogHandler.handle_if_dialog()
toutes les 500ms (EasyOCR + KNOWN_DIALOGS). 8s pour le premier dialog,
3s de stabilité entre dialogs successifs, 60s budget total.

KNOWN_DIALOGS réordonné : popups modaux (confirmer/remplacer/écraser)
prioritaires sur fenêtres parents (enregistrer sous/save as) car l'OCR
full-screen capte les deux simultanément.

DialogHandler bascule sur UITarsGrounder subprocess one-shot (au lieu
du serveur HTTP localhost:8200 qui n'existait plus). InfiGUI worker,
think_arbiter et ui_tars_grounder alignés sur le même contrat.

Co-Authored-By: Claude Opus 4 <noreply@anthropic.com>

visual_workflow_builder/backend/api_v3/execute.py

@@ -896,15 +896,15 @@ def execute_action(action_type: str, params: dict) -> dict:
                         _fc_target_text = params.get('_step_label', '')
                     _action_types = {'click_anchor', 'double_click_anchor', 'right_click_anchor',
                                      'hover_anchor', 'focus_anchor', 'scroll_to_anchor'}
-                    if _fc_target_text in _action_types and screenshot_base64:
-                        try:
-                            from core.execution.input_handler import _describe_anchor_image
-                            _desc = _describe_anchor_image(screenshot_base64)
-                            if _desc:
-                                print(f"🏷️ [Vision] Ancre décrite: '{_desc}'")
-                                _fc_target_text = _desc
-                        except Exception:
-                            pass
+                    # Note: plus d'appel à _describe_anchor_image() (qwen2.5vl) ici.
+                    # Le crop d'ancre (screenshot_base64) est utilisé directement par
+                    # le template matching pixel-perfect en avant-poste, puis InfiGUI
+                    # en mode fusionné si nécessaire (option 2.c+2.a). Économise ~9.4 GB
+                    # de VRAM Ollama qui rentrait en conflit avec InfiGUI.
+                    if _fc_target_text in _action_types:
+                        # Marquer le label comme garbage pour que le pipeline
+                        # bascule sur le mode fusionné via template_b64.
+                        _fc_target_text = ''
                     _fc_target_desc = params.get('visual_anchor', {}).get('description', '')
 
                     x, y, confidence, method_used = None, None, 0, ''