让 AI 写出能跑的前端:上下文、约束与可验证性
目录
热点引入:前端代码竞技场登顶之后
2026 年 7 月,Kimi K3 在全球前端代码竞技场以 1679 分登顶,同月 WAIC 召开,AI 生成前端代码的能力再次成为热议焦点。各类演示里,一句自然语言就能变出漂亮的落地页,似乎"前端躺平"时代已经到来。
但一线团队的真实体验往往没那么丝滑:demo 里惊艳,落到自己的项目里就变成"样式对不上、组件用错、类型报错、跑不起来"。问题不在模型能力,而在我们把一个需要工程约束的任务,当成了一次性问答。模型的产出质量,高度依赖你给了多少上下文、设了多硬的约束、以及有没有一个能自动判定"能不能跑"的闭环。
本文把这件事拆成三要素——充分上下文、明确约束、可验证闭环,并给出可落地的模板与配置。
技术原理:决定产出质量的三个要素
上下文(Context):模型不知道你的技术栈、设计系统、既有组件和代码风格。上下文越具体,它越不需要"猜"。一份好的上下文应包含技术栈版本、目录结构、设计 token、可复用组件清单、以及一两个"正确代码示例"作为风格锚点。
约束(Constraint):上下文告诉模型"有什么",约束告诉它"必须怎样、不许怎样"。约束要写成可判定的规则,例如"所有颜色只能用 CSS 变量,禁止硬编码 hex"“按钮必须复用 <Button> 组件"“所有交互元素需满足 keyboard 可达”。模糊的约束等于没有约束。
可验证性(Verifiability):这是最容易被忽视、却最关键的一环。让模型写代码,必须有机器能自动判定对错的回路:type-check 过不过、单测过不过、页面截图和基线差多少。没有验证闭环,你只能靠肉眼 review,规模化根本无从谈起。
三者关系可以这样理解:上下文与约束提升"一次生成"的命中率,可验证性保证"错了能被发现并修正”。缺了前者靠反复重试,缺了后者错误会悄悄溜进代码库。
实操一:一份高质量 prompt 模板
下面是一份可直接复用的模板。关键是结构化——把技术栈、token、组件规范、可访问性分开陈述,并在末尾要求模型"先复述约束再动手"。
| |
“先复述约束"这一步看似多余,实则能显著降低模型忽略规则的概率——它被迫把约束纳入生成上下文。
实操二:用 design token 与组件契约锁住输出
把规范写成机器可读的文件,比写在 prompt 里更可靠。设计 token 用 CSS 变量定义,是模型无法"发明颜色"的物理边界:
| |
组件契用 TypeScript 接口表达,让模型清楚"能用什么、参数长什么样”:
| |
把这些文件作为上下文喂给模型,它的输出就被夹在了一套确定的"围栏"里,而不是自由发挥。
实操三:可验证性闭环
生成之后,让机器先过一遍。下面是一个最小验收流水线:type-check、单测、Playwright 截图比对。
| |
| |
| |
npm run verify 一把跑完:类型不过、单测挂了、截图差异过大,任何一环失败都意味着这次生成不合格,必须回到模型侧修正。截图比对尤其重要——它把"看起来对不对"这种主观判断,变成了可自动执行的像素断言。
多轮迭代中的上下文一致性
生成很少一次到位,多轮修正是常态。要避免"改着改着风格跑偏",关键是维护一份不变的规范源:每一轮都把同一份 token、组件契约和约束文件随请求一起带上,而不是依赖对话历史。对话历史会膨胀、会被截断,而文件是稳定的锚点。
另一个技巧是小步提交 + 快照锁定:每通过一次 verify 就提交一次,并用快照测试固定当前 UI 状态。后续修改若无意中改变了不该变的视觉,快照测试会立即报警。
工程实践建议与踩坑
- 把规范写进约束文件。项目根目录的
CLAUDE.md/AGENTS.md这类文件,会被编码助手自动读取,是放置技术栈、目录约定、代码风格的最佳位置——一次维护,处处生效。 - 给模型"正确示例"胜过十条禁令。一个符合规范的组件样例,比反复强调"不要硬编码颜色"更有效。
- 验证闭环必须能自动判定。任何需要人眼判断的验收环节都会成为规模化瓶颈;尽量把标准转化成 type-check、断言、截图 diff 这类机器可判定信号。
- 警惕依赖幻觉。模型可能 import 一个不存在的包;type-check 和构建会暴露这类问题,务必纳入
verify。 - 可访问性要写进约束而非事后补救。aria、keyboard、对比度这些要求,生成时一并提出成本最低,事后逐条补齐代价高昂。
小结
让 AI 写出"能跑"的前端,靠的不是更强的模型或更玄的提示词,而是三件朴素的工程事:给足上下文让它不必猜,设硬约束让它不能乱来,建验证闭环让错误无处遁形。模型能力是上限,而工程约束决定了你能不能稳定接近这个上限。把规范沉淀成文件、把验收变成脚本,AI 才会从"演示惊艳"真正走向"生产可用"。