前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
返回 AI 情报前线
All News · 全部资讯8606
  • Zapier Connectors:让AI Agent免费可靠连接外部应用
  • 用Dragonfly加速大规模模型分发
  • Agent记忆系统如何生长与遗忘
  • 迁移 AgentCore 前重算成本模型
  • 用 Bedrock Nova 驱动 Claude Code
  • YC开源多人协作Agent运行框架QM
  • Eve Agent新增沙箱浏览器能力
  • Vercel推出技能包分享平台skills.sh
  • Qwen 3.8 Max 与 27B 开放权重
  • GenOffice 开源 AI 办公套件
  • Appwrite 构建 MCP 服务的取舍
  • OCR 为何无法还原真正的文档
  • AI 读取 PDF 为何频繁误判
  • 浏览器端多语音合成为何卡在86%
  • 多智能体投票式代码审查实践
  • 把团队Prompt当作代码资产管理
  • 非确定性 LLM 功能如何可靠测试
  • 构建安全的 Notion MCP 工作流
  • 用 CI 管控模型名称与 Token 预算
  • 途虎统一 AI 存储架构实践
  • 用 JSON 固化 AI 界面的得与失
  • Agent 失灵可能只是配额变了
  • 为 LangChain 搜索链路补齐审计记录
  • 欧盟 AI 内容标注规则进入执行期
  • 本地优先的开源 AI 语音工作台
  • 用统一代理接入多种终端编程智能体
  • OpenSearch 原生接入 MCP
  • 把调用图写入代码向量是否有效
  • OptMem:极简的 Agent 跨会话记忆
  • 如何安全开放 Agent 的网络访问
  • 用真实案例和反例验收提示词
  • 亿级日活App跨云架构节省75% GPU集群
  • Claude Code 凭据遮蔽上线检查清单
  • 模型价格战加速,推理成本大幅下探
  • Qwen 3.8更多尺寸规格即将发布
  • 模型行为漂移拖垮编码Agent系统
  • MiniMax H3 开源,Qwen3.8-Max 登场
  • 生产级 Agent 需要执行结果闸门
  • Vercel AI Gateway大幅折扣:DeepSeek V4 Flash低至一折
  • AI算力需求激增或陷入Jevons悖论
  • 图像生成 API 选型应计算有效成本
  • 别做AI输出的无脑转发器
  • Claude各产品的记忆机制全景
  • Copilot云端Agent支持调节推理强度
  • 为 Claude Code 与 Codex 添加本地记忆
  • Agent评估分数陷阱:理想eval环境vs生产故障模式
  • Claude 接入 Telegram:两种 MCP 认证方案与安全权衡
  • Claude模型意外黑进真实公司:AI安全测试的真实风险
  • Python 快速构建 Telegram 网站监控机器人
  • GitHub Copilot企业版支持团队级配置
  • 千问3.8-Max正式发布:2.4T参数MoE与1M上下文
  • 已加载 51 / 8606
8.0
热点
AI SCORE
编程提效2026-08-04 10:36

用 JSON 固化 AI 界面的得与失

dev.to · AI#AI 编程#前端#JSON
Editor brief · 编辑速览

作者用 JSON 描述界面并通过固定渲染器消除了批量生成时的设计漂移,却导致页面高度同质化。核心教训是结构化约束的表现力上限取决于渲染器,继续扩展 Schema 最终可能重造 HTML 和 CSS。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

批量使用 AI Agent 生成 Web 工具时,你迟早会撞上这堵墙:每次生成,设计都会发生漂移。明明使用相同的指令,颜色、间距和组件形状却总会出现细微差异。在维护覆盖五种语言地区的 600 多个工具时,我先后经历了三个试图锁定设计的阶段。每个阶段都有值得记录的失败教训。

阶段 1:用 JSON 定义 UI → 确实锁住了。然后呢

第一次尝试:使用 JSON 定义每个工具的 UI,再根据它生成页面。适用范围是没有图片预览的简单计算器类工具。标签、输入和输出都表示为 JSON 值,再通过固定的流水线渲染。

作为一种锁定机制,它确实有效。JSON 里写了什么,最终就渲染什么——不同生成批次之间的漂移消失了。

但生成出来的界面毫无生气。到处都是直线,连一条曲线都看不到。每个值都待在自己的小格子里。说得直白一点:它看起来就像电子表格。

事后来看,问题出在结构上。在 JSON 定义方案中,表现力的上限取决于 renderer 实现了什么。你当然可以不断给 schema 添加圆角、渐变和各种特殊间距,但这意味着 schema 和 renderer 会无休止地膨胀,而这条路走到最后,无非是重新发明一遍 HTML 和 CSS。

消灭设计漂移的机制,也一并扼杀了设计的表现力。

阶段 2:锁定 design tokens,而不是 layout

策略调整:不再锁定结构(layout),只锁定身份特征(由颜色、字体、圆角和间距构成的系统)。

具体来说,以一份 CSS variables 文件作为唯一权威来源,所有工具只能使用其中的变量,包括调色板、字体、圆角和阴影。与此同时,再维护一套持续演进的 UI kit——它是一份可以直接在浏览器中打开的参考实现。“这个项目的卡片、按钮和输入框应该长这样”,通过实际运行的 HTML 表达,而不是写成一份规范。给 AI 的指令也从“严格按照这个 JSON 渲染”,变成了“使用这套 UI kit 中的组件和变量,自由组合 layout”。

结果是:layout 可以针对每个工具分别优化,同时品牌风格仍然保持一致。这相当于把阶段 1 的锁定粒度反转了。阶段 1 锁定一切,表现力随之消亡;阶段 2 只锁定 tokens,让组合方式保持自由。

还有一个有利因素:模型自身的设计能力随着每次发布不断提升。“自由组合”能够成立,前提是模型交付的组合效果足够好。阶段 1 的前提——“自由组合必然导致漂移”——在当时确实成立,但后来,时间让这个前提失效了。

阶段 3(现在):有官方轨道,就沿着官方轨道走

如今,Claude Code 中的 skill 机制和官方 design-system 集成,正在覆盖越来越多“教会 AI 遵循你的设计规范”这类需求。真正还需要自行构建的部分正不断缩小,只剩下那些确实属于项目特有的内容:你的 tokens 和 UI kit。

从这段经历中可以带走什么

第一,“锁住了”并不等于“成功了”。评估一种锁定机制时,也要把它的副作用算进去。阶段 1 达成了目标,却依然失败了。

第二,要选择合适的锁定粒度。一路锁到 layout,得到的就是电子表格;只锁定 tokens,品牌一致性就能与组合自由并存。

第三,要给你的前提设定一个有效期。“自由组合必然导致漂移”曾经是事实,后来却不再成立。一旦某种机制赖以成立的前提已经崩塌,就应该抛弃这种机制。

阶段 1 的 JSON 方案并非在所有场景下都是错的。对于那些以结构统一为核心价值的输出——报告、表单,以及真正类似电子表格的产物——使用 JSON 定义依然是正确答案。我的场景是 Web 工具 UI,所以它并不适合。

这整个演变过程与 2025 至 2026 年间的模型能力提升同步发生。随着模型能力继续发展,最合适的锁定粒度也会不断变化。

时间范围:2026 年上半年(阶段 1 的 JSON 目录仍保存在 2026 年 3 月的一份备份中)。环境:Claude Code / 600 多个 Web 工具 × 5 种语言地区。

若要采取进一步措施,你可以考虑屏蔽此人和/或举报滥用行为。

Original source

本文由 AI 翻译整理自 dev.to · AI,原文版权归原作者所有。

阅读英文原文
上一篇
途虎统一 AI 存储架构实践
下一篇
Agent 失灵可能只是配额变了