第 1 篇:为什么不该再让 AI 画页面

第 1 篇:为什么不该再让 AI 画页面

本篇目标

  • 说清「AI 生成 UI 为什么总出错」
  • 给出判断标准:你的场景到底适不适合配置驱动
  • 建立本系列的核心心智:两层分离

1. 你遇到的痛点(大概率也是这些)

让 AI(Claude Code / Cursor / 豆包等)直接生成整个页面,常见的失败模式:

  1. 样式漂移:同一个「确认按钮」,上个页面是蓝色圆角,下个页面变成灰色直角。
  2. 布局不可控:AI 每次对栅格、间距、对齐的理解都不一样,表单错位、卡片忽宽忽窄。
  3. 改了东墙倒西墙:让 AI 改一个字段,它顺手把旁边三处的类名也改了。
  4. 返工成本高:一次生成 10 个页面,9 个要手动调,省下的时间又还回去了。

根因一句话:AI 生成一个页面时,要同时决策三件事------样式、布局、逻辑。三个变量叠在一起,输出就不稳定。

2. 反过来说:AI 最擅长什么

把「要渲染什么字段」描述成结构化 JSON,AI 几乎不会出错:

json 复制代码
{
  "name": { "label": "姓名", "type": "input" },
  "birth": { "label": "出生日期", "type": "date" }
}

因为它不需要猜样式、猜布局------它只是在「列字段清单」 。

而这恰恰是你需求的本质:同一个壳,变的只有字段。

3. 核心思路:两层分离

复制代码
┌─────────────────────────────────────────────┐
│  ① 固定层(写一次,永不改)                    │
│    设计 Tokens + 布局骨架 + 组件库             │
│    → 统一样式、统一布局的唯一来源               │
├─────────────────────────────────────────────┤
│  ② 数据层(每次变,AI 只产出这个)             │
│    Schema JSON(字段名 / 类型 / 校验)         │
│    → AI 出错面从「整个页面」缩小到「一段 JSON」 │
├─────────────────────────────────────────────┤
│  ③ 渲染器(写一次)                           │
│    读 Schema → 按类型映射到组件 → 自动渲染      │
└─────────────────────────────────────────────┘

AI 不再画页面,只填清单;页面由你写死的代码生成。

4. 对比:全量生成 vs 配置驱动

维度 AI 全量生成页面 配置驱动(本系列)
样式一致性 不稳定,靠运气 固定代码,永远一致
布局 每次不同 固定骨架
改动成本 改字段可能牵连样式 改一行 JSON
AI 出错面 样式+布局+逻辑 只有 JSON
上手成本 低 需要先搭地基(约半天)
灵活性 高(想怎么画怎么画) 限定在字段体系内

5. 诚实边界:什么时候不该用

配置驱动不是银弹,以下场景请绕行:

  • 要一次性做视觉差异化很大的营销页 / 落地页 → 每页风格不同,配置驱动是负担。
  • 高度探索性、还没想清楚要什么 → 先用 AI 全量生成做原型,定型后再固化。
  • 只做一两个页面,以后不再加 → 直接手写更快,不值得搭地基。

适合用配置驱动的典型信号(对号入座):

  • ✅ 自用工具、后台、台账类页面
  • ✅ 样式布局固定,只有字段变
  • ✅ 页面数量会持续增加(每加一个只加一份 schema)
  • ✅ 想跟 AI 协作但受够了返工

6. 本篇小结

  • AI 生成页面出错,根因是它同时决策样式/布局/逻辑。
  • 你的需求是「固定壳 + 可变字段」,正好适合两层分离。
  • 下一步:搭地基------第 2 篇:搭建脚手架

验证方式

不写代码,只需确认你对上号:你的页面是否「壳固定、字段变」?

是 → 继续读系列;不是 → 这系列不适合你,省时间去做别的事。

相关推荐
小范的技术工坊1 分钟前
大模型蒸馏
人工智能·算法·数据挖掘·大模型
程序员清风7 分钟前
Java 智能体开发:从对话接口到任务执行
java·人工智能·python
ai小陈18 分钟前
GPU服务器租用容器实战:Docker数据卷持久化与安全重建
服务器·人工智能·安全·docker·ai·gpu算力
打工仔折腾 AI23 分钟前
从零写一个CAD 02:实体容器、Esc取消与键盘失灵的排查
人工智能·后端·python·性能优化
QYR-分析27 分钟前
内燃机配套核心部件:汽车摇臂市场稳健增长,5.0% CAGR 背后的产业博弈
人工智能·汽车
千里码aicood35 分钟前
基于CNN的陕西降雨量气象分析
人工智能·神经网络·cnn
码云之上36 分钟前
从搜索框到 Agent:Chatbot 联网搜索的技术演进
人工智能·架构·前端框架
guslegend37 分钟前
Vibe Coding 最后一公里:华为生产级 Coding Agent 效果调优实录
人工智能
杭州华望MBSE37 分钟前
华望受邀参加2026 亚洲 Modelica 及 FMI 大会——分享可信 AI4MBSE 工业平台创新实践
人工智能·modelica·工业数字化·国产工业软件·ai4mbse
EvalDock38 分钟前
同一道 Excel 任务,四款 Agent 的公式、修改范围与缓存有何不同?
人工智能·测试