用自动化护栏约束 AI 代码质量
作者介绍 WebCraft Pro,通过可复用工程指导和自动化护栏,让 AI 编程智能体持续遵守无障碍与安全要求。文章针对可点击 div、表单缺少规范等问题,讨论如何把工程标准落实到生成流程。
AI 深度解读
AI 能在几分钟内搭出 React 页面,但页面能运行,不代表它满足上线要求。作者做了一个叫 WebCraft Pro 的工程工具包,尝试把无障碍、安全等要求,从提示词里的叮嘱变成开发流程里可以执行的检查。
这篇最值得借鉴的,是「指导实现,再验证结果」的思路。不过,作者也明确承认:项目里的示例不是受控模型实验,工具能发现部分问题,尚不能证明用了这些 skills,AI 就一定写得更好。
模型知道最佳实践,为什么还会交出有问题的代码
作者观察到,AI 编程代理往往优先完成眼前任务。上下文变长、任务变复杂,或者时间与 token 受限时,一些工程要求就容易被遗漏。
无障碍问题尤其容易藏在截图背后:用可点击的 div 模拟按钮,输入框没有关联标签,纯图标控件没有可访问名称,键盘焦点不可见,组件只能用鼠标操作。这些页面看起来可能完全正常,但键盘用户未必能完成操作,屏幕阅读器也可能无法正确理解控件。
安全问题则可能藏在一行实现里。原文用下面的代码说明,直接把不可信内容交给 HTML 解析会引入跨站脚本攻击(XSS)风险:
element.innerHTML = userProvidedContent;
要注意的是 innerHTML:它会把输入当作 HTML 处理。风险取决于内容是否可信,以及进入这里之前有没有经过合适的处理。
如果需求只是展示文本,原文给出的替代方式是:
element.textContent = userProvidedContent;
这里关键的是 textContent,它不需要解析 HTML。若业务确实要展示富文本,作者要求采用适当的净化策略,并明确可信内容与不可信内容之间的边界,不能把这次替换当作通用富文本方案。
这些错误不一定说明模型不知道规则。它可能知道表单需要标签、按钮应该使用原生元素,却没有在当前任务中稳定落实。
知道规范,只能说明模型有机会做对;能检查结果,才有机会持续发现它做错的地方。
43 个 skills 负责指导,检查负责发现遗漏
WebCraft Pro 在原文发布时包含 43 个 skills,覆盖实现、无障碍、性能、安全和可维护性等工程实践。它们提供可复用的指导,让代理在执行具体任务时获得相关要求。
但作者没有把方案停在「再加一套规则」上,而是配了几类检查。
第一类是零第三方运行时依赖的安全模式审计。它扫描相关 Markdown 代码示例,寻找 dangerouslySetInnerHTML、不安全的 postMessage 用法等风险模式,并在仓库验证时暴露问题。
这里的扫描对象需要看清:原文说的是仓库中的 Markdown 代码示例,没有说它能完整审计业务应用。工具还支持显式处理教学反例,避免把「演示危险写法」直接等同于「推荐生产使用」。不过,原文没有展开这套标记机制的具体语法。
第二类是 CI 中的键盘与焦点回归测试,用来检查仓库变化后,既有交互和焦点行为是否仍然正常。
第三类是基于 Playwright 和 axe-core 的按需浏览器检查。它面向渲染后的页面,其中 Playwright 用来开展浏览器检查,axe-core 检测其支持识别的无障碍违规。
这几类检查各有范围。安全模式审计寻找已知危险写法;键盘与焦点测试守住已经定义的交互行为;浏览器检查把验证推进到实际页面。不能因为其中一项通过,就推断其他方面也没有问题。
作者真正主张的流程是:给代理相关指导,让它实现功能,运行检查,调查失败原因,再修复实现后合并。规范由此有了执行入口,也有了反馈路径。
一个提交按钮,为什么能说明整套思路
原文用登录表单举例:代理可能生成一个带 className="submit-button"、通过 onClick={handleSubmit} 响应点击的 div,内部只有箭头图标。
它看起来像按钮,但不会自动获得原生按钮的语义、键盘操作和表单提交行为。开发者还得自行补上焦点与交互状态,纯图标也缺少可访问名称。
作者给出的改进方向,是在 LoginForm 中使用原生 button,通过 type="submit" 声明提交用途,用 aria-label="Submit login form" 为图标按钮命名,并给内部箭头所在的 span 设置 aria-hidden="true"。
原文提供的 React 示例存在标签缺失,不能直接复制运行;但它要表达的取舍很清楚:能使用浏览器已经提供的控件行为,就减少自行模拟的负担。
这里还要区分两种情况。只有图标的按钮需要可访问名称;如果按钮已有可见文字,作者建议优先让文字承担这个名称,不要再添加多余的 aria-label。
这个例子也说明,正确的实现指导和有效的验证缺一不可。选用了原生按钮,仍然需要检查最终页面中的键盘操作、焦点表现,以及它在实际表单里的行为。
我的判断
我认同作者把重点放在开发流程上。提示词和 skills 能提供约束,但如果没有验收步骤,团队依然要靠人工逐项确认代理有没有照做。把高频、明确、可重复检查的问题交给工具,方向合理。
不过,「有检查」与「检查有效」之间,还有一段需要验证的距离。原文没有给出误报率、漏报率、执行耗时,也没有提供人工审查工作量下降的数据。它展示了一套工程组织方式,尚未证明这套方式能带来多大收益。
更关键的是,仓库里的 benchmark 示例只是说明性案例,并非在同一任务、同一测试环境下,对「使用 skills」和「不使用 skills」的模型输出做受控比较。作者把这种可重复评估列为后续改进。因此,标题里的「迫使 AI 写出无障碍、安全代码」,应当理解为增加工程约束,不能理解为已经得到实验验证的质量保证。
和只依赖 system prompt 相比,这套方案增加了结果反馈;和全面依赖人工审查相比,它尝试把部分重复检查自动化。但原文没有给出这些替代做法之间的对照数据,目前仍属于有明确边界的工程经验。
检查通过,只能支持检查范围内的结论。
作者也明确保留了手动键盘测试、屏幕阅读器评估、威胁建模和工程审查的位置。axe-core 无法发现全部无障碍问题,模式扫描无法理解所有漏洞,自动化结果更不能直接等同于完整的 WCAG 合规证明。
能拿来做什么
- 给 AI 实现的表单和交互组件补上具体的验收要求,例如控件具有可访问名称、键盘能够操作、焦点可见。先写清要验证的行为,再决定哪些进入自动化测试,哪些保留人工检查。
- 在审查 React 代码时,关注
dangerouslySetInnerHTML及其输入来源;在直接操作 DOM 的代码中,检查innerHTML是否只是用来展示文本。需要富文本时,继续审查净化策略和信任边界。 - 为关键交互添加键盘与焦点回归测试,并用基于 Playwright、axe-core 的检查观察渲染后的页面。处理失败时回到实际交互确认原因,不要只以告警是否消失作为验收依据。
- 不必先引入全部 43 个 skills。可以从项目反复出现的一类问题开始,配上实现指导和检查,再记录检查发现了什么、还漏了什么。如果要比较 skills 的效果,就固定任务、测试环境与检查条件,保留两组真实输出。