首页/文章/AI 把网站做出来以后,怎样判断它真的好用?…
实践分享2026年11月16日

AI 把网站做出来以后,怎样判断它真的好用?

从 Lighthouse 到真实任务验收:用自己的个人站做一次体检,再把检查方法整理成 website-quality-audit Skill。

用 AI 做网站,最容易获得反馈的是“看起来怎么样”。颜色再舒服一点,交互再丰富一点,手机上再调整一下。改到某个阶段,自己打开觉得不错,似乎就可以发出去了。

但最近我开始想另一个问题:除了自己看着顺眼,我还能怎样判断它做得好不好?

页面能打开,不代表访客能找到想看的作品;按钮有反应,不代表计算结果正确;桌面上没问题,也不代表手机和键盘操作都顺畅。

我围绕这个问题做了一些调研,也拿自己的个人站跑了一轮检查。最后没有得到一个能概括所有问题的分数,而是整理出了一套更具体的验收方法,并把它做成了开源 Skill。

先让现有工具做它们擅长的事

没必要一开始就自己设计检查体系。已经有一些工具,能帮我们找到肉眼不容易注意到的问题:

工具 适合检查什么 不能据此保证什么
PageSpeed Insights / Chrome Lighthouse 性能诊断、部分可访问性、最佳实践和 SEO 所有真实用户都快,所有功能都正确
WAVE 对比度、替代文本、标签与结构等可访问性提示 已通过完整的人工可访问性评估
MDN HTTP Observatory HTTP 安全响应头和浏览器保护策略 账号权限、数据和业务接口都安全
SSL Labs HTTPS 证书和 TLS 配置 应用逻辑没有漏洞
Nu HTML Checker HTML 结构与语法 页面体验已经足够好

如果不知道先从哪开始,我会先用 Lighthouse。它能给出比较明确的诊断,再根据问题补充其他检查。

不过,工具的覆盖范围要一起看。例如,Lighthouse 的实验室测试适合定位一次受控访问中的问题;PageSpeed Insights 若提供真实用户数据,还要区分当前 URL 与整个来源,以及统计窗口。报告里的 TBT 不能直接当作真实交互指标 INP。PageSpeed Insights 说明、Web Vitals

可访问性也是一样。自动检查能发现一部分问题,但键盘能不能走完整个流程、焦点是否清楚、读屏顺序是否合理,仍然需要人工验证。W3C 可访问性评估说明

这份工具清单不代表我把站点逐一提交给了所有在线扫描服务。在线检查会把目标 URL 交给相应服务;包含秘密的链接、私有页面,不适合直接拿去扫描。Observatory 的扫描历史也可能公开。Observatory FAQ

性能 100 分以后,我还是找到了问题

2026 年 11 月 16 日,我拿自己的个人站做了一轮公开页面体检,抽查了 6 个内容页面和 3 项主要任务:找到作品与联系入口、阅读文章并返回,以及切换首页展示。

当次 Lighthouse 12.8.2 的结果是:性能 100、可访问性 96、最佳实践 100、SEO 100。实验室 LCP 为 1.6 秒,CLS 为 0,TBT 为 0 毫秒。

这些数字来自当次检查记录:Chrome 模拟移动环境、网络经过本地代理,没有真实用户性能数据。它们能说明这次测试中的表现,不能据此宣布真实手机、多浏览器和真实用户 Core Web Vitals 已全部通过。

主要任务跑通之后,仍然确认了两个具体问题。

第一个是小标签的文字对比度。抽查的 11px 文字,对比度为 4.26:1,低于适用的 4.5:1 要求。这个颜色组合出现在多个页面,所以应该检查共享样式,而不是只把首页某一处文字改深。WCAG 文字对比度要求

第二个是详情页的分享元信息。文章在浏览器中的标题正确,但 Open Graph 标题、说明和 URL 仍沿用首页。采用这些信息的平台,可能无法清楚展示这篇文章的身份。

这里检查到的是页面元信息及潜在影响,并没有真的向社交平台发布验证。但它已经足够说明:SEO 100 分,不等于详情页分享体验也验收完了。

这两项是当次记录中的发现,不在这篇文章里把它们写成已经修复的成果。

验收要从作品的用途开始

个人主页的核心任务,可能是让访客看懂你做什么、找到相关作品、顺利联系到你。在线换算工具则要验证输入和计算结果。承诺保存内容的应用,还需要检查刷新、重新进入和失败后的状态。

这些问题没有办法只靠首页截图、一个状态码或一份通用报告回答。

所以我现在更愿意先写下几个“使用者应该能完成的任务”,再按任务实际走一遍。看完页面之后,不只问“按钮能不能点”,还要问“它有没有把我带到正确结果”。

报告也应该允许出现“未验证”。没有测试账号,就不能确认用户之间的数据隔离;没有真实用户数据,就不能宣布线上性能全面达标。已测部分表现良好、发现具体问题、还有未知范围,可以同时成立。

让报告能直接交给 AI 修改

“优化可访问性”“改善 SEO”太宽泛。把这样的结论交给 AI,很容易又变成一轮范围不清的修改。

我更希望报告包含四样东西:问题在哪里,有什么证据,会影响什么,以及改完如何复测。

例如这次的小标签问题,可以整理成一条明确的任务:

检查首页、作品列表与详情页中相同的小标签样式。当前抽查的 11px 文字对比度为 4.26:1,请调整共享颜色,使实际背景上的对比度达到至少 4.5:1,保留现有风格。修改后在原页面的桌面和手机尺寸复测,并检查其他使用同一颜色组合的标签。

这比“让页面更专业”容易执行,也更容易判断有没有修好。

优先级同样重要。一份列出几十个提示、却没有告诉作者先改什么的报告,未必比三条有证据、有验收条件的任务更有帮助。

我把这套方法整理成了一个 Skill

最后,我把执行流程、规则索引和报告格式整理成了 website-quality-audit。

第一版从八个维度检查网站:用途与内容、视觉与信息层级、功能与反馈、移动端与兼容、性能与稳定感、可访问性、可发现与分享,以及公开安全与隐私。每个维度 4 条基础规则,共 32 条。

涉及账号、持久保存等能力时,再按条件增加 8 条后端与运行专项,检查权限、保存、重复请求、服务端校验、故障、防滥用、恢复和维护。需要账号或内部证据的部分,不能仅靠公开链接推断通过。

八维框架是我整理的评估方法,不是某个官方认证。有标准的检查引用相应标准;用途、视觉层级等判断,则说明采用的规则和依据。

报告默认不合成总分,而是区分“通过、发现问题、未验证、不适用”,最后给出少量优先修复任务。我希望保留维度之间的差异,不让一个综合数字把功能错误或权限未知掩盖掉。

完整目录加载到支持 Skill 的 Agent 环境后,可以这样发起:

使用 website-quality-audit 评估 <作品 URL>。
这是我的个人作品集,希望访客能找到项目和联系方法。
先检查公开页面,输出中文八维报告,
再给出三个以内的优先修复任务和验收方法。

Skill 提供的是方法,不会凭空带来浏览器、Lighthouse 或 HTTP 检查能力。缺少对应工具时,应明确记录哪些检查无法完成,而不是把没有执行的步骤写成通过。

截至这次记录,它做过规则校验、历史证据对照,也用于上述个人站复测。但跨网站准确性、普通作者能否顺利使用,仍需继续验证。仓库里的 11 月 11 日历史报告 与本文 11 月 16 日的检查,也不是同一次数据。

对我来说,这次最有用的变化,是把“感觉还不错”变成了几个能回答的问题。不是要求每个小作品上线前都拿满分,而是至少知道:它想帮谁完成什么,我实际验证了什么,还有什么暂时不知道。