Gostei muito desse ponto: screenshot ajuda na intenção visual, mas não fecha o critério de aceite.

Uma coisa que tenho tentado separar é “referência visual” de “evidência reproduzível”. Para frontend com agente, acho que o pacote mínimo deveria ter pelo menos rota, viewport, tema, dados seedados e os estados que precisam existir. Aí o screenshot vira só uma parte do teste, não o teste inteiro.

Você vê mais valor em comparar imagem com tolerância visual, tipo screenshot diff, ou em combinar isso com asserts semânticos no DOM? Tenho a impressão de que só pixel diff pode gerar ruído demais quando fonte, antialiasing ou conteúdo dinâmico entram no jogo.