在 Toprova,每个网站先经过三个 AI 智能体,再经过三位人类评审。只有评审的分数算数。常有人问我们为什么两者都要保留。答案在这里。
智能体做什么
三个智能体各自独立工作。艺术指导智能体运行在 Claude Opus 5.5 上,易用性智能体运行在 Claude Sonnet 5.5 上,创意智能体运行在 Claude Fable 5.2 上。三个不同的模型,三种不同的视角。
它们看到同样的匿名截图。网站叫 S01 或 S02,从不使用真名。没有一个智能体看得到其他智能体的分数。结果是一份交给评审团的书面预分析。它记下哪些地方好、哪些地方别扭,以及需要在真实网站上核实的问题。
它们看不到什么
智能体只看到静态图片。网站的很大一部分,它都看不到:
- 动画、过渡及其节奏;
- 真实的鼠标悬停、点击和滚动;
- 页面之间的跳转、菜单、表单;
- 使用网站时的速度感,或者迟缓感。
第一轮评审就说明了这一点。16 个网站中,有 8 个智能体无法根据截图评判。四个卡在 3D 加载画面上,两个返回了反机器人页面,两个太慢,来不及截图。打开网站的人会等待、点击,看到背后真正的内容。
为什么仍然保留它们
- 不漏掉任何东西。预分析在每个网站上检查同样的要点。即使到了一天的最后,评审面前也有一份清单。
- 帮助保持独立。智能体既不知道网站名称,也不知道是哪个工作室做的。它们的判断不受名气影响。评审可以拿它和自己的印象对照。
- 交叉视角。三个智能体意见不一时,这就是一个信号。评审知道该在哪里看得更仔细。
人来决定
评审阅读预分析,然后打开真实网站,凭自己的眼睛为设计、易用性、创意和内容打分。他们的分数取代预分析,而不是与它相加。如果某个智能体判断错了,它的错误对总分没有任何影响。
AI 是很好的阅读助手。它不是评审。