Agent 静默失败代价 2500-8000 美元：用权威系统交叉验证代替执行日志

实现问题的范围很明确：用了什么输入、发生了什么变化、还有哪些需要人工检查的部分。

一份有价值的 FreeImageAI 评测，始于一个具体的 AI 工具任务和已知的预期结果。下面的检查清单只针对图片，不针对整个 AI 工具网站。

页面修改任何内容之前

保留原始素材，记下必须保持不变的那一处细节。用页面本身使用的术语来命名预期输出。

任务运行期间

记录所选操作、可见的设置、输入类型以及任何警告信息。除非页面明确将图片与 prompt、文本、prompts 合并处理，否则应将它们视为不同的测试对象。

结果出现之后

检查正确性、可读性、格式和可重复性。将错误和未测试的用例与结果并列保留，不要用一句笼统的结论来填补它们。

针对图片的具体边界

使用一个代表性输入，将结果与原图并排放置。检查对该任务真正重要的属性，然后记下页面没有回答的问题。这为文章提供了一个基于事实的终点，而不是发散出去对每个相邻功能都发表意见。

下一个独立的问题

后续文章可以用不同的输入或受众来考察 image、prompt、text、prompts。将这个主题独立保留，可以区分不同的搜索意图，防止日常笔记变成换了个标题的同一套描述。