CONCEPT
前端设计四大评分标准
基本定义
前端设计四大评分标准是Anthropic团队在研发Harness架构前端设计模块时提出的量化评估体系，初衷是解决无干预下Claude大模型系列生成前端设计普遍存在的模板化、平庸化、审美主观无法量化的痛点，是生成与评估分离模式在前端设计场景的核心落地规则，作为Evaluator智能体评判AI生成前端产出的唯一标准，有效解决了AI自我评估失效的问题。
核心构成与权重分配
四大维度总权重为100%，团队刻意拉高AI短板维度的权重，引导模型优先优化设计质感与创意：
- 设计质量（35%）：核心评判界面整体统一性，要求配色、字体、布局、图像、细节有机结合，形成匹配产品定位的统一视觉氛围与身份感。例如艺术博物馆网站需体现简约高雅气质，配色不宜过于鲜艳，布局需突出展品；游戏制作工具界面需呈现活泼科技感，布局贴合用户操作习惯。
- 原创性（35%）：核心惩罚模板化、套路化设计，鼓励自定义创意。明确未修改的通用现成组件、典型AI生成套路（如紫色渐变背景+白色卡片+圆角按钮的固定组合）都会被扣分，存在可辨认的刻意创意选择的设计可获得高分。
- 工艺（15%）：核心考察技术执行的扎实程度，属于无创造力要求的基本功检查。评判维度包括字阶层级清晰度、元素间距一致性、色彩和谐度、对比度合规性等基础技术问题，大多数合理实现均可通过该维度考核，若未达标则说明模型基础技术能力存在短板。
- 功能性（15%）：核心关注界面的实际可用性，与审美无关。评判标准为用户无需猜测即可快速识别界面功能、找到核心操作入口、完成核心任务，例如游戏制作器界面中用户能否快速找到「创建关卡」「编辑精灵」等核心功能入口并顺畅操作。
落地运行机制
该评分标准配套完整的AI开发反馈闭环运行：
- Generator智能体根据用户需求生成HTML/CSS/JS前端代码；
- Evaluator智能体通过Playwright MCP自动化测试工具与真实运行的页面交互，完成浏览、点击操作、截图留存等动作，对照四大评分标准给出0-100分的综合评分与具体修改意见，如「配色过于单调，建议增加辅助色」「按钮间距不一致，工艺不达标」等；
- 评估结果回流至Generator智能体，作为下一轮迭代的优化依据。
一轮完整的前端开发通常会进行5-15次迭代，最长耗时可达4小时，慢节奏的迭代可推动设计质量持续提升。Anthropic官方实验显示，该机制可触发模型的「创意跃迁」：在为荷兰艺术博物馆生成官网的实验中，前9轮迭代仅产出完成度较高的深色主题落地页，第10轮迭代模型主动推翻原有方案，生成了带CSS透视效果的3D空间化展厅设计，远超出预期效果。
此外团队发现，评分标准的措辞会直接影响输出风格：在标准中加入「最好的设计应该达到博物馆级」的表述后，模型输出会逐步收敛到简约高雅的视觉气质，为Prompt优化提供了参考方向。
边界与适用范围
- 该标准最初为Claude大模型系列生成前端设计的评估设计，也可迁移至人工前端设计的量化评审场景；
- 仅适用于To C面向用户的商业化前端界面评估，不适用于后台管理系统、工业操作界面等强功能导向、审美要求低的场景，此类场景可适当调高功能性、工艺的权重占比；
- 标准权重为默认配置，可根据产品定位灵活调整，例如工具类产品可将功能性权重提升至25%-30%。