AI交付界面代码时应附验证证据

AI agent 改完表单，回复「已完成，支持无障碍、响应式和移动端」，这些结论就算成立了吗？代码写出来了，和这些能力经过检查，是两件事。原文讨论的正是 UI 工作最容易被省略的一步：交付时交代证据。

作者提出，交付物之外，还要附上关键决策、假设和验证状态。它没有证明这套流程能节省时间，但给出了一个实用办法：让接手的人看清哪些已经检查、哪些仍是推测，以及下一步该测什么。

「完成了」为什么不能当作验收结果

AI agent 很容易把预期效果写成事实：看到错误提示的代码，就宣称表单易用；看到响应式样式，就宣称移动端可用。问题在于，这些描述没有交代检查过程。

Design Decision Method 把「交付与验证」放在第 6 步，要求 agent 一起交付三样东西：用户要求的产物、影响结果的决策与假设，以及简短的验证状态。产物可以是规格说明、设计稿、原型或代码。

验证前，还要先定义几个可观察的验收标准。「表单体验好」太模糊，「提交失败后，已填写的姓名和邮箱仍然保留」就能实际检查。

交付说明要回答的，不只是做了什么，还包括凭什么认为它成立。

这套方法有两条明确底线：不能编造测量结果；没有测试过，就写「not tested」。设计稿可以展示页面路径与状态，却不能证明真实用户的任务完成率。

一个注册表单，应该怎样交代检查结果

原文用重建 example.com 注册表单演示交接方式。页面只有姓名、邮箱、密码三个字段，并提供清楚的错误修正入口。下面是示范记录，不是作者公布的一次真实测试报告。

先写决策：错误同时出现在字段旁和页面顶部的汇总区域；发生错误后保留已输入内容；邮箱占位符使用 name@example.com。再写假设：需求没有要求社交登录，因此没有加入。

接下来，把验收标准与证据逐条对应：

• 「校验失败后保留有效输入」标为 Manual test：使用不合要求的密码提交，确认姓名和邮箱仍在。
• 「每个错误都能在对应字段旁被宣告」只有标记层面的 Heuristic review，即根据结构和经验规则审查，尚未使用屏幕阅读器测试。
• 「文字与背景对比度」标为 Automated check：所用颜色没有发现对比度失败项，但这不能证明整个表单符合无障碍要求。
• 「用户无需帮助即可完成注册」标为 Proposed：只是提出的目标，没有测试，也没有用户研究。

最后单列未测试项：屏幕阅读器完整检查、移动端键盘行为，以及服务端错误响应。

这些细节比一句「支持移动端」有用得多。接手者可以直接安排键盘与焦点检查，也能看出真实用户是否顺利完成注册，仍然没有答案。

证据标签是在限制结论的范围

这些标签不应被读成一套统一分数。Proposed 表示尚未检查；Automated check 表示运行了某项规则检查；Manual test 表示有人实际走过对应流程。每个结论都只能覆盖它检查过的范围。

一次对比度检查，不能替代整个表单的无障碍验证。手动确认输入被保留，也不能证明服务端返回错误时，页面同样处理正确。

验收标准还要匹配改动规模。原文反对固定分数，以及通用的时间或点击次数上限。改一句文案，可能一行状态就够；新建结账流程，需要更完整的验证。设计记录模板里的「Validation status」用于记下证据级别、已测与未测内容，以及开放问题。

完整流程共有六步：建立上下文、选择视觉系统、先映射对象再布局、记录决策、组织各个视图，最后交付与验证。它采用开放的 Agent Skills 格式，以 MIT 许可发布；README 提供 Claude Code、Cursor、Gemini CLI 和 Codex 的安装路径，原文没有展开具体命令。

我的判断

我认同它把验证状态纳入交付的做法。对于 AI 编程，最需要防止的是一句范围过大的承诺，让使用者误以为所有相关行为都已经检查过。

不过，标签本身不会提高验证质量。写了 Manual test，仍然需要说明操作、观察结果和测试范围。原文示例中的「输入错误密码提交，再观察姓名和邮箱」就比单写「手测通过」更有信息量。

它也不能替代自动化测试或用户研究。更合适的用法，是把现有检查结果组织成可接手的记录，同时暴露覆盖不到的部分。

作者明确表示，是否节省时间尚未测量。原文也没有提供缺陷率、返工次数等对照数据，因此这是一套有道理的流程建议，效果仍需团队自行验证。没有浏览器或设备访问能力的 agent，尤其应该停在它能证明的位置。

能拿来做什么

• 给 AI 下达表单任务时，同时要求它列出可观察的验收标准，例如错误后保留输入、错误提示对应字段，并逐项报告验证状态。
• 审查交付说明里的「无障碍」「移动端可用」等结论，要求补充具体检查范围；只做了代码审查，就如实保留为审查结论。
• 把未测试项直接变成下一轮任务，例如检查移动端键盘行为、运行屏幕阅读器流程，或验证服务端错误响应后的页面状态。
• 按改动规模控制记录长度。文案调整保持简短，注册或结账流程则交代关键路径、证据和剩余问题。