工厂蓝图 v2 研究笔记(2026-11-17):从想法到上线 + UI/UX
两句话核实
- Cognition「界面好不好看仍是人的强项」:原文找不到这句。最接近的是 Devin’s 2025 Performance Review(Cognition Team, 2025-11-14, https://cognition.ai/blog/devin-annual-performance-review-2025):"in visual design, Devin needs specifics like component structure, color codes, and spacing values. When outcomes aren’t straightforwardly verifiable, additional human review is necessary.” 意思是:视觉设计要人给具体规格;结果不容易自动验证时要人审。testing-development(Ido Pesok, 2026-05-29)与 AIE 演讲(2026-11-12)中未找到审美相关表述。
- Julius「审美类改动 CI 判断不了」:不是 Julius 原话,是队友「agent 工程实践」的归纳(transcript pos 191「教训是」)。Julius 原帖只有:2026-10-20 “tuning the loop and it’s let a few bad PRs slip by”(x.com/jullerino/status/2112472177463460047);2026-10-26 “theo was mad at my ui regressions last weekend”(x.com/jullerino/status/2114567878829883488)。
起步
- OpenAI harness(Ryan Lopopolo, 2026-02-11):空仓库,首个 commit 2025-08 末;脚手架(结构、CI、格式、包管理、框架)由 Codex 按少量模板生成,AGENTS.md 也由 Codex 写;早期慢是因为环境欠规格;app 每个 worktree 可启动;CDP + DOM 快照/截图/导航 skill;每 worktree 临时可观测栈(LogQL/PromQL);AGENTS.md ~100 行当地图,docs/ 是记录系统;exec-plans 入库;分层架构 Types→Config→Repo→Service→Runtime→UI 用自定义 lint 强制,错误信息写修复指引;“taste invariants”;人:排优先级、把用户反馈翻成验收标准、验证结果;agent 可端到端:复现 bug、录失败视频、修、驱动应用验证、录修复视频、开 PR、处理反馈、需要判断时才升级、合并(仅限该仓库,作者说不要假设可推广)。
- StrongDM principles/techniques 页面:Seed(PRD/几句话/截图/已有代码)→ 验证 harness(端到端、尽量接近真实)→ 反馈;holdout 场景通过才停;Shift Work:把交互式工作和完整规格的工作分开;Gene Transfusion:给 agent 具体范例;Attractor 仓库用 NLSpec(自然语言规格)。
- OpenAI Sora Android(Patrick Hum, RJ Marsan, 2025-12-12):4 名工程师,28 天(10-08 到 11-05,2025),约 50 亿 token,约 85% 代码由 Codex 写,99.9% 无崩溃率(均自述);人手工打地基:架构、模块化、DI、导航、认证、基础网络,再手写几个代表性功能;“Build the Sora Android app based on the iOS code. Go” 被放弃——能跑但体验差;Codex 看不到 app 运行,不能感到滚动不对、流程困惑,“Only our team could cover these experiential tasks”;计划流程:先让 Codex 总结数据流→人纠正→迷你设计文档→逐步执行;计划存文件;审查时对照计划;瓶颈变成做决定、给反馈、集成。
- Anthropic harness design(Prithvi Rajasekaran, 2026-03-24):planner 把 1-4 句扩成产品规格(高层,含用 frontend design skill 生成的视觉语言);generator/evaluator 每个 sprint 先谈「sprint 契约」;自评偏乐观,分离评审更可调;前端四标准:Design quality / Originality / Craft / Functionality,few-shot 校准,Playwright MCP 实际操作页面,5-15 轮,最长 4 小时;作者常更喜欢中间某一轮。
- Kent C. Dodds 工作坊页(AIE Code Summit 2026-11-10):autopilot → invariants、决策记录、primitives catalog、AGENTS.md 是路由;审查用 PR 模板(意图、单向/双向门、系统图)“review systems instead of code”;自述「没读过产品 1% 的代码,大多数 PR 由 agent 写和合并」;feature flag 要有 owner、指标、移除条件。
- T3 Code AGENTS.md:不可妥协项(开放、性能、远程、多端 web/desktop/mobile RN),Theo 的口味段落(简单系统、反对范围蔓延)。
需求/计划
- Boris Cherny 线程第 6 条(2026-01-02):多数会话从 Plan 模式开始,来回改到满意再切 auto-accept,常能一次做完;HN 评论(2025-12-13):Plan 2-3 倍、给验证 2-3 倍。Claude Code permission-modes 文档:Plan 模式只读不改源码,批准后才编辑。
- pstack 04-design:/architect 两种形状;/arena 多候选+跨厂商评审;先原型后计划;README-first;pstack 无规划 skill,设计定了才写计划;multi-phase plan:每个 PR 自带验证,测试全绿不算证明。prototype playbook:决定先于原型;变体放一个切换器;截图对比;原型是一次性的。figure-it-out:可证伪完成条件、先建验证 harness、多小时任务留一个检查点。experience-first:少而精、先用一次性 HTML 原型、细节(过渡、对齐、间距、反馈、错误态)。
- Anthropic code review(2026-10-15):人负责「要不要做」「方向、品味和范围」、风险代码、读证据;UI 改动对照设计规范检查;给 Claude「对照设计稿的截图」。
设计/审美
- Google DESIGN.md(blog 2026-04-21;repo google-labs-code/design.md):YAML token + Markdown 理由;lint(断引用、WCAG 对比度)和 diff。
- Impeccable(Paul Bakaus;repo pbakaus/impeccable;博文 2026-07-03):PRODUCT.md + DESIGN.md;critique/audit;62 条确定性规则、不用 LLM;设计 hook 在 agent 宣布完成前扫描编辑过的 UI 文件;live 模式在浏览器里比较变体;支持原生 iOS/Android 屏(skill 描述)。
- Vercel Web Interface Guidelines:AGENTS.md MUST/SHOULD/NEVER(例:移动端点击目标 ≥44px,尊重 prefers-reduced-motion);web-design-guidelines review skill;changelog 2026-01-12(John Phamous)。
- Emil Kowalski skills(repo emilkowalski/skills;Agents with Taste 2026-07-02):每个界面方面一个 skill;animate-expo(RN/Expo)、mobile-native、break-ui(极端数据)、prototype(切换器)、learn-taste(把会话里的设计修正写成 DESIGN.md 规则)。
- Anthropic Improving frontend design through Skills(2025-11-12):distributional convergence,skill 按需加载。
- yetone kill-ai-slop:33 种 AI slop 特征,扫描器不改文件;native-feel-skill:跨平台桌面原生感,75 项发版审计,明确不用于纯移动 app。magpie code-standards GUI 规则:不用原生 select、点击不滚动页面、不用彩色左边框条。
- Cognition 博客(2026-02-27):设计系统漂移——Slack 里发截图让 Devin 迁移组件;每日审计 24 小时内合并的 PR,标出硬编码颜色、非标准间距,开 Linear 工单。
UI 验证 / 人审
- Claude Code verification(Addy Osmani 2026-11-16):端到端比测试重要;Web 用 Chrome 扩展、移动端用 iOS 或 Android MCP;写 verify skill;功能地图当评分标准;同一检查 3 轮失败交人。
- Cognition testing(Ido Pesok 2026-05-29):computer use 截图/点击/录制;登录写成确定性脚本放进 testing skill;带标注截图的测试报告 + 带章节的视频,压缩空闲时间;难点:toast 截图时机、用 JS 触发状态作弊。
- T3 full-send:UI 要跑起来亲眼看,mock 测试全绿不证明体验。
- pstack 06:UI 改动在运行中的 app 里走一遍;像素级用 visual-parity(冻结基线、图像 diff、非零即失败、不准改基线/harness)。create-verification-skill:Launch/Doctor/Drive/Evidence/Cleanup + feature map。
移动端
- Maestro MCP(Ashish Kharche 2026-10-23):iOS 模拟器 / Android 模拟器 / 连接的 Android 真机;list_devices/run/inspect_screen/take_screenshot;before/after;通过的路径存成 .maestro/ Flow。
- XcodeBuildMCP(现名 MobileBuildMCP,getsentry):iOS/macOS;TOOLS.md:screenshot、snapshot_ui、tap(推荐用无障碍 id/label)、swipe、record_sim_video。
- Callstack agent-device:CLI/MCP/Node API,控制移动/网页/TV/桌面 app(设备与模拟器,本地或云端)。
- Expo Agentic CI 文档:每个 PR 在远程模拟器上由 agent 测,评论 PASS/FAIL + 录屏 + 截图 + 浏览器预览;警告:判决可能错,设为必需检查前先人读几次证据。EAS Update PR 预览:PR 评论附二维码。
未能获取
- Cognition「界面好不好看仍是人的强项」原句;Julius「审美类改动 CI 判断不了」原句(是队友归纳)。
- yetone X 帖子(仅关注者可见);swyx/Latent Space 一手内容(沿用 v1)。
- 没有找到任何领先团队把「新视觉方向」的审美判断完全交给 agent 并上线的公开案例(Anthropic 的 evaluator 是研究实验)。
- Theo 本人关于新功能/UI 流程的独立长文未找到,只有 AGENTS.md、full-send、Julius 帖子。
页面更新(已完成)
EditCanvas 已改同一份 Page:新增第 5 部分(8 个阶段 + 8 段 prompt + 两句话核实 + 压低人审时间 + 移动端工具表 + 对等级/路线的影响);L4a/L4b 加 UI 条件;第 3、5 步注明对应新 prompt;新增 1 个待确认问题;来源和变更记录改为第 6、7 部分;v2 新增 32 条来源;标题去掉 v1。