AI 編程：AI 寫複雜頁面不難，難的是證明這版是對的，更不能越修越像抽卡開盲盒
AI 寫複雜頁面早已不是技術瓶頸，真正的難點在於「證明這版是對的」——這不是指頁面能跑、能點，而是指它是否精確符合需求規格、邊界條件和交互邏輯。問題的核心本質是：生成式 AI 的輸出具有概率性，每次修改都可能引入隱性偏差，而傳統的「肉眼驗收」或「跑通流程」根本無法覆蓋複雜頁面的狀態空間。核心疑問因此變成：我們到底該如何為 AI 生成的代碼建立可驗證的「正確性錨點」？真正起作用的要素，不是模型參數或提示詞技巧，而是「可回歸的驗證閉環」——包括結構化測試用例、視覺回歸快照、以及對狀態流轉的顯式斷言。缺少這些，AI 每改一次，就像抽卡開盲盒：你永遠不知道這次修復會不會在另一處埋下新的隱患。
對照我自行搭建的 ai-frontend-dev-workflow，最該改進的不是「生成」環節，而是「驗證」與「迭代」環節。目前工作流往往側重於「讓 AI 寫出更完整的代碼」，但缺少「讓 AI 為自己的修改提供證明」的強制步驟。
具體改進方向有三：第一，在每次修改後，要求 AI 輸出「變更影響清單」——明確列出它改了哪些函數、哪些狀態變量、哪些渲染分支，並對應到測試用例；第二，引入「回歸快照」機制，將頁面的關鍵交互狀態（如表單校驗、異步加載、錯誤提示）自動截圖並與上一版對比，任何非預期差異都視為失敗；第三，將「工作流」與「技能」分離——工作流負責強制驗證順序，技能則專注於「如何寫出可測試的代碼」，例如讓 AI 習慣性地將業務邏輯與 UI 渲染解耦，使測試能直接覆蓋邏輯層。歸根結底，改工作流比改技能更迫切。技能再好，如果沒有「證明正確」的閉環，AI 的修改只會陷入「越修越亂」的負循環。
正確的做法是：把「驗證」前置到每次修改的必經之路，讓 AI 在輸出代碼的同時，輸出「我為什麼認為這版是對的」的證據鏈。只有這樣，AI 編程才能從「抽卡開盲盒」變成「可追溯的工程行為」——而這，才是 ai-frontend-dev-workflow 真正需要補上的短板。
Related
相關文章
長安汽車首席專家譚歡：未來要用機器人造車、賣車，讓機器人上車、造機器人
作者：清源 責編：清源 評論： 9 月 18 日消息，在今天（18 日）的第 22 屆中國汽車產業發展（泰達）國際論壇“新賽道生態專場：具身智能新賽道”活動中，長安汽車首席專家、長安天樞智能機器人公司總經理譚歡在演講中指出，AI 正推動以物理具身智能為核心的基礎設施革新，汽車未來形態是“汽車機器人”—— 自學習、自組織、自進化的組合智能體。
具身智能技術路線尚未定型，基礎設施卻先收斂
具身智能技術路線尚未成形，但基礎設施需求已開始收斂，重點從製造機器人轉向持續迭代機器人能力。百度集團沈抖指出，智能體能力邊界快速擴展，進入規模化部署階段，但機器人學習新任務與跨環境適應性仍待突破。
88小時抵一個人思考4000年，OpenAI核心研究員：除了自我進化，更可怕的是AI正學會“隱藏自己”
AI正在把4000年的人類認知勞動壓縮進88小時，OpenAI研究員Noam Brown坦言連他自己也被進展速度持續震驚。AI正在把過去需要數千年完成的認知勞動壓縮到數天。真正的問題已經不只是模型能否變得更聰明，而是實驗能否跟上、人類能否在模型繼續自我改進前確認它仍然安全。
Agent辦事、花式P圖、動嘴玩電腦……實測Wildcat Lake輕薄本玩AI有多爽
作者 | ZeR0 編輯 | 漠影 桂林依山傍水，連城市的輪廓，都是一座座山勾勒出來的。抬眼一望，便是翰墨丹青般的自然光景，既沉靜婉約，又意境悠遠。這種乾淨的留白之美，早已被古人融入山水畫藝中，幾筆山石，一帶煙雲，餘下的留給水色，也留給看畫的人。 淨，並非空無一物，而是通過剋制的取捨，讓真正重要的東西凸顯出來。這與今年推出的第三代英特爾酷睿處理器（代號Wildcat Lake）的設計理念不謀而合。
吳恩達回應AI末日論:別被科幻敘事帶偏，應解決現實工程問題
吳恩達曾參與創辦Google Brain和Coursera。吳恩達稱，科技行業早期曾放大AI潛在災難性風險，以獲取關注並影響監管方向;近兩週相關討論再次升溫，也可能存在類似動機。他認為AI確實存在現實風險，尤其包括網絡安全等領域，但不認同將人類滅絕風險作為當前AI發展的核心判斷依據。
智譜 GLM-5.3-FlashX 模型上線，更快、更流暢
作者：汪淼 責編：汪淼 評論： 感謝網友 Agent 的線索投遞！9 月 18 日消息，智譜今日宣佈推出 GLM-5.3-FlashX（最高 200 tokens/s），為企業與開發者帶來更快、更流暢的模型體驗。智譜官方表示，GLM-5.3-Flash 此前以“Ox Alpha”之名與全球開發者見面，獲得海內外開發者的廣泛認可，調用量持續攀升。