95%+
核心验收项覆盖率
20-30m→3-5m979
原子业务验收项
84 任务/160 页面95%+
复杂设计修改成功率
-60% 工具调用95%+
MCP 生稿 E2E 成功率
-50% 并发异常背景
设计智能体面对的不是单一文本回答：它需要把 PRD 和画布上下文转化为可继续编辑的设计内容。一次工具调用成功、返回截图，或得到非空节点，都不足以证明最终交付完成。
真正的交付至少要回答三个不同的问题：目标是否正确、产物是否可用且证据完整、需求是否按约束落地。把它们混为一个“成功”状态，会让问题被掩盖，也无法指导后续迭代。
方案
冻结输入与目标
明确 PRD、画布上下文、目标文件/页面与允许的能力边界，避免把错误目标上的成功当成交付。
执行并保留原生产物
通过正常 Agent 与工具链路生成设计，保留原生节点、结构快照和可读取的结果，而不是只保存一张渲染图。
联合验收
用目标身份、可编辑结构、截图、文本与几何证据分别验证交付有效性、证据完整性和需求符合度。
诊断与回归
把输入、产物、检查结果和问题固定下来；后续修复在同一条件下重新验证，不用单次最好结果覆盖失败。
架构
从需求到可回归的设计交付
把输入、产物、证据和评审结论分别保留，让每次修复都能回到同一任务验证。
冻结输入
记录需求、目标文件与允许的工具边界，使之后的生成和评审共享同一验收约定。
- 输入
- 需求与画布上下文
- 输出
- 可复现的任务输入
公开工程方法示意；证据不足时保留 unknown。
技术细节
三层评测与验收维度矩阵
产物有效性
Delivery Validity
验证交付产物是否真实存在且可用，拒绝以 HTTP 200 或工具单次调用替代交付判断。
- 目标文件与页面身份准确
- 非空节点与有效几何尺寸
- 原生可编辑文本与语义层级
证据完整性
Evidence Completeness
每一条验收结论必须附带可复现的直接证据，证据链不足时明确标注未知（Unknown）。
- 全画布高保真渲染截图
- JSON 结构快照与节点属性
- 会话日志、环境配置与调用 Trace
需求符合度
Requirement Fidelity
对照 PRD 功能约束与视觉要求评审产物，把可定位的问题交给后续诊断与修复。
- PRD 约束条件逐项核对
- 视觉可读性与元素层次
- 保留独立于诊断的产品评审结论
不把“非空”当成完成
验收先检查目标身份和原生结构：正确文件/页面、可见且非空的内容、可解码的截图、可编辑的文本或设计节点。只有这些基础证据成立，才进入需求和视觉层面的判断。
把未知保留下来
结构事实、视觉可读性和业务语义需要不同证据。缺少证据时，结论应是 unknown，而不是靠截图猜测或用单一成功信号补齐。这个边界让评测结果更可信，也让后续诊断有明确入口。
为迭代保存证据
每次运行保留输入、目标身份、原生结构、截图、会话与版本信息。这样可以区分生成失败、交付失败、取证不完整和需求不符合，也能在修复后做可比的回归验证。
让评审问题推动修复
每条 Finding 保留问题位置、相关约束与直接证据。执行记录用于查找生成过程中的原因，原始产品评审结论继续保留。修复后回到同一任务检查原问题与受影响内容，并形成新的回归证据。
交付是否有效、证据覆盖到哪里、产物质量如何，需要分别呈现；已经发现的问题也应保留为可执行的修复事项。
项目价值
这套方法把可验证的目标、原生产物和回归证据连接起来，用于判断设计是否真正交付。
经验教训
执行、证据、需求和诊断需要分别记录；缺少证据的结论保持未知。