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
  • 场景篇按分类整理的大前端场景考点
  • 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
  • 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
  • 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 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
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
  • 场景篇按分类整理的大前端场景考点
  • 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
  • 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
  • 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 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯9467
  • 间接提示注入攻击链解析与防御架构
  • Whisper 口述转文字 WER 从 8.5% 降至 2.5% 的实战总结
  • 用 AgentCore + OpenClaw 构建持久记忆的个人 AI 助手
  • Mistral Large 4:1.05万亿参数多模态MoE模型预览
  • Vercel AI Gateway 新增置信度触发降级策略
  • QA 工程师自建工具链:验证 AI 编程 Agent 的实际工作成果
  • 一个 MCP 服务器给 Claude Code 接入 200+ 图像视频生成模型
  • Agentic AI 需要元过滤器而非传统 Guardrails:安全架构新思路
  • 2026 开发者调查:AI 编程助手日活高但信任度低
  • GitLab AI Gateway 高危漏洞让我重新审视自建 Agent 权限控制
  • Mistral Large 4 发布:剑指闭源与开源竞品
  • Mistral Large 4:万亿参数主打安全合规
  • Stack Overflow 2026 开发者调查报告发布
  • Mistral Large 4 公开预览:1万亿参数、月底开源
  • Google Gemini 免费版大幅缩限:Flash Lite 限免,Pro/Deep Think 需付费
  • 上线 LLM 功能不死机的工程检查清单
  • AI代理能识别工具失效但仍持续调用,核心问题在于判断与行为的断裂
  • 给Claude Code开发Mod插件:实现额度用量条与项目待办面板
  • LLM 访问控制与监控的实战避坑指南
  • 企业 RAG 实战:混合搜索与重排序的核心差异
  • 日本开发者给 Claude Code 的 Awwwards 级前端 prompt
  • Reflection发布Beam:非中国最强开源模型,编程推理对标GLM
  • Codex CLI vs Claude Code:相同任务实测成本公开
  • Google Docs原生支持Markdown,AI Agent协作成亮点
  • Meta、微软要求员工少用Claude节省成本
  • DeepSeek Harness:24 万 stars 的插件化 AI 工具链
  • 如何给AI编程助手提供正确上下文
  • 12GB显卡跑125B大模型:Strata引擎开源
  • AI 指令遵循失效的深层原因:语义理解≠可靠执行
  • ML 系统上线前的设计审计五问
  • 本地 AI Agent 组织化管理:带预算与汇报链的开源框架
  • LangGraph 替代指南:六大框架实际解决的不同痛点
  • llama-server 推测解码时 logprobs 为假值
  • Reflection AI 开源 Beam:23B 活跃参数的 MoE 编程模型
  • Agent CLI 真实故障:会话消失、幽灵项目、重复条目
  • 发版日 CI 暴露绿灯测试掩盖的五大问题
  • 退款重复处理:分布式事件幂等性实战分析
  • Vercel如何用AI自动化Inbound流程
  • Anthropic推出云端Cowork:AI推理全上云,本地只做文件访问
  • 自建 SearXNG 为 LLM Agent 省钱:缓存 + 限流 + 引文校验
  • GLM 5.3 登陆 Amazon Bedrock:753B 编程专家模型
  • 前端后端错误追踪关联实战:用 trace_id 串联浏览器异常与 API 失败
  • LoreConvo:为 AI 编程工具注入会话记忆,告别每次从零开始
  • DevFest 演讲实录:如何客观评估 AI 辅助开发体验
  • Together Link:一条命令让Claude Code用上Kimi K3、GLM 5.3等开源模型
  • PewDiePie用OpenAI数据微调本地模型反被封号
  • MCP协议存在Agent间恶意Prompt传播风险
  • 某MCP服务器启动前消耗18000 tokens:问题与解决方案
  • Reflection AI开源501B MoE模型Beam,专攻代码生成
  • Google展示生产级AI数据层实战:语义搜索+RAG+AlloyDB集成
  • Reflection AI发布Beam:主打企业AI工厂概念
  • 已加载 51 / 9467
8.0
热点
AI SCORE
编程提效2026-10-06 20:21

日本开发者给 Claude Code 的 Awwwards 级前端 prompt

dev.to · AI#Claude#AI辅助编程#Prompt技巧
Editor brief · 编辑速览

在指令末尾加「aim for quality that could win at awwwards, Webby Awards or FWA, and self-check」即可让 AI 生成的设计质量大幅提升。

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

完整中文译文

原文首发于 TL;JP,这是一份每周更新的简报,经过事实核查,聚焦日本 AI 和技术从业者在 X 上的讨论。

2026 年 9 月 29 日至 10 月 5 日这一周,我的信息流分成了两条:一条是关于编程 Agent 的一个小而实用的技巧,另一条是插画师的第一人称帖子。两者都值得关注,但分量并不相同。

1. 一个能生成获奖级别前端页面的 prompt 后缀

@kajikent 说,如果你想让 Claude Code 或 Codex 一次性生成一个高设计感的网站,只需要在指令末尾加上一句:aim for quality that could win at awwwards, Webby Awards or FWA, and self-check, iterating until it reaches that bar. 这就是帖子里分享的完整技巧。https://x.com/kajikent/status/2105095422448746573 Signal — 今天下午就能做个 A/B 测试来验证这个改动。

2. 插画工作,供需两方的声音

@charlow_illust 的帖子是本周我收集里点赞最多的,约 13,700 个赞。ta 表示,自生成式 AI 兴起以来,插画委托几乎停止了;ta 自嘲这是"酸葡萄心理",说早就预见到这一天,并表示以前从来没有单子断过。需求方这边,@EdgeKitune 说他们公司以前会委托插画、图标和产品包装,但在合同条款引发争议后——对方禁止使用生成式 AI——他们彻底停止了这种委托方式,现在只通过大型代理公司下单。@nyaa_toraneko 则反驳了"我们正在采用 AI,所以下个月就不需要设计师了"这种论调:一家负责任的公司应该问的是,如何让品味最高的人用好 AI。三条都是个人账号发帖,非调研报告。https://x.com/charlow_illust/status/2105478334163615846 https://x.com/EdgeKitune/status/2106191479416995899 https://x.com/nyaa_toraneko/status/2106333922942665189 Signal — 合同条款机制非常具体,可以迁移到任何市场。

3. 删除后重新制作的循环

@guu_guu_fuu 将自己的遭遇反映给了文化厅(Agency for Cultural Affairs)咨询窗口,描述了一种模式:现有插画被喂给 AI,生成的内容在 LINE STORE 销售,被举报后下架,然后又被重新制作。ta 说一个人的声音可能改变不了什么,但希望能积少成多。另一边,@aruguchieshi 警告了一个发布其作品 AI 变体的账号;该账号立即删除了内容并道歉,表示自己此前不知道这样做不受欢迎,甚至可能构成犯罪——这是该账号自己的说法,由 @aruguchieshi 转述,@aruguchieshi 表示不知道怎么向那些不认为这有问题的人解释。https://x.com/guu_guu_fuu/status/2106203378116354278 https://x.com/aruguchieshi/status/2105990108864483698 Signal — 反复违规无法制止是产品问题,不仅仅是法律问题。

@studio_yebisu 发布了一份个人模型分级列表,面向"高级指令"工作——Opus-5.5 六星满分,Fable-5.1 五星,Astra-6 四星(满分五星),Grok 未评级(因为不用)。没有给出评判标准。Noise — 这是品味判断,不是测试。https://x.com/studio_yebisu/status/2105433319802560856 @kensuu 说去翻了众包公司的 IR 数据,想验证 AI 是否减少了自由职业工作;但我看到的帖子在答案出来前就断了。Noise — 方法听起来对,但结论没在帖子里。https://x.com/kensuu/status/2106675090494730737 @tetumemo 说"dots"加上居家办公可能所向披靡,戴着一整天的骨传导 Shokz 耳机,这样就能一直说话,现在用起来完全无限制。帖子没说 dots 是什么。Noise — 未解释的指代。https://x.com/tetumemo/status/2105910279104336107

结论:今天就能执行的那件事是一个 prompt 改动;所有关于工作消失的说法都是个人的亲身经历。试试第一个,听听第二个就好。

你的创意合同里写进生成式 AI 相关条款了吗?点击回复告诉我那条条款是怎么写的。

awwwards 后缀,用作自我评分循环

@kajikent 的补充同时做了两件事:提出了外部质量标准(awwwards、Webby、FWA),同时指示 Agent 不断对照检查自己的输出,直到达标。第二部分正是西方团队通常遗漏的——大多数 prompt 只停留在"让它变漂亮"。在一次性页面构建中完全按照帖子里的方式试用,把它迁移到项目级指令文件时保留自我检查条款。帖子没有声称有实测的胜率,所以把它当作一个从业者发现有效的技巧,而非基准。https://x.com/kajikent/status/2105095422448746573

日本团队的做法有何不同

有两点很突出。第一,合同层面才是真正的战场。@EdgeKitune 的公司没有争论输出质量,而是遭遇了一条关于是否可以使用生成式 AI 的条款,公司的应对方式是将所有委托从个人创作者转向大型代理公司。如果你也在委托创意工作,现在就写明你的 AI 使用条款,认真决定是否还能与个人创作者合作——否则采购部门会替你默认做出决定。第二,@nyaa_toraneko 提出的框架是一个真正不同的人力问题:不是"AI 能替代多少设计师",而是"如何让品味最高的人用好 AI"。这是培训预算的问题,而且比重建整个设计职能便宜得多。https://x.com/EdgeKitune/status/2106191479416995899 https://x.com/nyaa_toraneko/status/2106333922942665189 Signal — 这两个都是你本季度就能做的决定。

AI 构建产品的工作量现实核查

@wiz_mnb 用 AI 开发游戏已经快三个月了,不相信中小长篇游戏会很快充斥市场:一款真正达到商用级别的游戏,其工作量不是作为业余爱好能完成的。这是一个正在做事的人从内部视角给出的看法,没有数据支撑——但当有人给你展示一个周末做出来的 Demo 然后推断到一个可发布的产品时,这是一个有用的对冲。要为长尾内容做预算:内容、调优、打磨。https://x.com/wiz_mnb/status/2105987914815664252 Signal — 基于发帖者自己三个月的开发经验,不是推测。

更正,10 月 6 日

本期早期版本以一个帖子里的 token 速度测量数据开头,但该帖子经核实并非由日本从业者撰写。该条目已移除,标题已更改。

制作说明

本人常驻日本。AI 工具帮助我收集和翻译日本帖子;每个条目在发布前都会对照原文核实,每条声明都附有来源链接。如果本期对你有帮助,欢迎订阅 TL;JP,每周简报将投递到你的邮箱。

如需进一步操作,你可考虑屏蔽此人或举报滥用行为。

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
企业 RAG 实战:混合搜索与重排序的核心差异
下一篇
Reflection发布Beam:非中国最强开源模型,编程推理对标GLM