执行摘要
随着大语言模型基座能力的提升，AI 智能体可支撑更长周期的连续运行，这迫使开发范式必须从简陋的人类指令输入转向结构化的软件工程协作生态。
模糊宽泛的祈使型提示词会造成 Token 浪费；开发者应让 Claude Code 提出结构化问题，并在“苦涩的教训”框架之后进入具体访谈工作流。
当传统 Markdown 文档超过大约 200 行时，其信息密度的局限性便会显现。结构化的 HTML 文件已成为多方案 UI 评审和规格审查中更为高效、契合多模态接收的通用媒介。
Anthropic 内部的基础设施通过将底层的业务数据状态（data state）显式且同步地流出到 DOM 树中，使 UI 界面具备智能体可读性，从而将系统验证与 React 框架内部逻辑解耦。
关键要点
- 长时运行的自主任务极易因智能体走错技术路径而带来高昂的 Token 成本，这要求开发者的核心工作重心向前移，专注于前置规约的精细化设计。
- 紧扣 Richard Sutton 的《苦涩的教训》核心思想，人类工程师不应试图在前端硬编码过多死板的业务规则，而应建立能充分释放模型原生能力与计算规模红利的架构平台。
- 开发者心里通常存在“看到目标才能确定需求”的隐性预期；允许 Claude Code 以面试官身份向人类提问，能精准捕捉易被遗漏的边界约束条件。
- 在设计方案评审中，HTML 文件展现出了远优于 Markdown 的交互体验，允许工程师快速切换视觉风格、比对多维布局，并能便捷地将渲染出的画布截图直接喂给多模态大模型进行反馈。
- Claude Code 团队内部提倡的创新测试范式，在于将测试图谱（schemas）、测试夹具（fixtures）以及不可变的系统不变式（invariants）直接注入到运行时的 DOM 布局结构中。
- 常规的 DOM 元素抓取对 AI 智能体而言非常脆弱；显式流出专用的校验属性（如 total、done、active 计数）可为自动化脚本提供坚固的 DOM 数据契约。
- 集成 Playwright 模块上下文协议（MCP）工具赋予了 Claude Code 调起无头浏览器、操纵底层元素、并利用多模态视觉实时诊断受损 UI 组件的能力。
- Anthropic 的工程流水线支持自动将运行时的验证视频片段（clips）导出并持久化至诸如 S3 的云端存储桶中，实现零人力介入的、透明且可追溯的 Pull Request 验证凭证。
构建者启发
- 有意识地使用 Claude Code 交互式终端控制，包括工作坊中展示的 Shift+Tab 循环行为，不要把它理解为通用自动化开关。
- 在处理高计算负载、多轮循环的复杂编码任务时，应将 CLI 的努力度参数（effort parameter）上调至 ‘X high’ 或 ‘max effort’，以彻底释放 Opus 4.7 等模型的推理潜能。
- 在评审复杂的复杂组件前端时，直接截取完整的 UI 图像并将其输入终端智能体，充分利用现代大模型的高保真视觉推理能力解决排版错位问题。
- 在团队内推行契约驱动的 HTML UI 规约模式：在编写具体业务逻辑前，先由智能体输出包含多套交互方向的、自包含的独立 HTML 规格文件。
- 将结构化的遥测元数据（telemetry metadata）直接注入到标准组件的元素布局中，为在 CI 自动化流程中运行的 Playwright MCP 智能体建立坚固稳定的测试边界。
待验证事项
- 验证在初始 Prompt 中已明确显式允许并结构化地配置了对 ‘ask user question’ 工具的调用，防止智能体在面对模糊边界时盲目猜测。
- 检查流出到 DOM 树中特定属性的应用业务状态（如活跃项统计或数学聚合结果）在测试探针（probes）运行期间与真实的运行时计算结果完全契合。
- 在执行无头浏览器任务循环之前，务必确保本地环境变量与路径已正确路由并绑定至 Playwright 模块上下文协议（MCP）实例。
- 确认验证视频片段（clips）的下载绑定机制能够正常工作，确保视频数据可正确通过管道输送至外部文件托管器或 S3 测试运行器中。