2026 年一项针对五款主流 AI 编码工具的研究给出了刺眼的数字:按要求生成「符合 WCAG 2.2 AA」的十五个站点,全部未通过 A 级。问题不在模型不努力,而在它学习自一个本就不合规的网页集合。

01研究说了什么

扫描在这批页面里记录到三百余类、总计五万九千余次可访问性缺陷,约九成被判为中高风险,平均每页约五十五处,仅略优于同年网站基准的六十二处。并行调查里,81% 的开发者相信生成结果合规,73% 表示采用工具后相关投诉增加,46% 收到过正式函件或诉讼,其中多数涉及 AI 生成页面。信心与事实之间的落差,是最值得警惕的部分。

实践中最容易被忽略的是边界情况:窄视口、键盘操作、慢网络与旧版本浏览器。围绕「AI 代码审计」做验证时,先列出这四类前提下各自应该发生什么,再决定实现方式,通常能提前拦掉大半回归缺陷。

02为什么会这样

训练语料里大量是「看起来能跑」的界面:div 模拟的按钮、缺失的 label、占位符代替标签、只靠颜色表达的状态、没有焦点管理的弹窗。模型擅长复现高频模式,却没有内置一套规范校验器,也无法判断某个结构在键盘或读屏下是否可用。于是产出往往「外观正确、语义空洞」,而自动扫描之前几乎看不出来。

实践中最容易被忽略的是边界情况:窄视口、键盘操作、慢网络与旧版本浏览器。围绕「AI 代码审计」做验证时,先列出这四类前提下各自应该发生什么,再决定实现方式,通常能提前拦掉大半回归缺陷。

03团队该怎么应对

把可访问性要求写进提示词与需求说明,指定 WCAG 2.2 AA 与具体验收项;生成后强制经过 lint、渲染后 axe 扫描(含交互态)、键盘走查与人工复核;在 CI 里对关键违规设置阻断红线;维护一份批准组件清单,让 AI 优先复用而不是自由发挥。合规责任无法外包给模型,流程才是真正的护栏。

实践中最容易被忽略的是边界情况:窄视口、键盘操作、慢网络与旧版本浏览器。围绕「AI 代码审计」做验证时,先列出这四类前提下各自应该发生什么,再决定实现方式,通常能提前拦掉大半回归缺陷。

要点速览

  • 十五个 AI 生成站点全部未达 WCAG 2.2 A,平均每页约 55 处缺陷
  • 81% 开发者误判合规,73% 报告投诉上升
  • 根因是训练语料本身充满语义缺陷,模型无内置规范校验
  • 提示词约束 + 自动扫描 + 键盘走查 + 人工复核 + CI 阻断

AI 提高了产出速度,也提高了对验收流程的要求。