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。