AI 生成代码为什么普遍不合规:一份研究的解读
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。
阅读 1260阅读全文 →
生成代码审查 · Agent 可读性
AI 能在几秒内产出页面,却无法替你承担合规责任。把验收标准写进提示词、把扫描接进流水线,是这个时代最实际的前端治理动作。
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。
「做一个无障碍的表单」几乎得不到稳定结果;「每个控件有关联 label、错误用 aria-describedby 关联、聚焦顺序与 DOM 一致」则会明显不同。约束的粒度决定产出的可用性。
自动化扫描抓不到所有语义问题,却能稳定拦住那些重复出现、修复成本低的缺陷。对高频生成的界面,这条防线的价值尤其高。
当代理开始替用户浏览、比价、填报,页面里的标签、名称与结构化字段就成了对外接口。接口写得含糊,再漂亮的设计也不会被正确理解。
让模型在空白画布上自由生成界面,等于每次都重新做一遍设计决策。更稳的做法是把可用组件、令牌与交互模式限定成一小份清单,让生成发生在约束内。
内容可以借助模型起草,但发布责任仍在站点。把「哪一步必须有人看一眼」写进流程,比事后追查一段错误表述从哪来更省心。
代理访问站点时,除了 robots 与站点地图,还出现了一批面向模型的说明文件与元信息。它们不是标准,但值得作为「站点希望被怎样理解」的补充表达。
生成式工具适合起草、枚举与改写,但在涉及责任、准确性与不可逆操作的地方,需要明确的人做决定。划清这条线,比争论工具好不好用更实际。