news 2026/9/26 14:39:54

在提示词中说出决策:Effective HTML「肥制品+肥上下文」工作法详解

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
在提示词中说出决策:Effective HTML「肥制品+肥上下文」工作法详解

在提示词中说出决策:Effective HTML「肥制品+肥上下文」工作法详解

【免费下载链接】effective-htmlAgent skills for useful HTML artifacts, wireframes, interactive prototypes, plans, and diagrams.项目地址: https://gitcode.com/gh_mirrors/ef/effective-html

Effective HTML 是一个开源的 AI 代理技能(Agent Skills)集合,教 AI 生成线框图、交互原型、实施计划和图表等自包含 HTML 制品。它的核心工作法是「肥制品 + 肥上下文」(fat artifacts + fat context):提示词可以很薄,但上下文要给足,让 HTML 制品本身承载细节。本文带你快速掌握这套提示词工程方法,新手也能照着写出可直接交付的 AI HTML 生成需求。

什么是 Effective HTML?一分钟看懂

一句话概括:它不是网页框架,而是一本「AI 生成 HTML 制品」的实战手册 + 可安装的提示词技能。

  • 无需安装即可使用:把它当作参考手册,直接在提示词里引用其中的模式即可
  • 6 个可选技能:覆盖从低保真线框图到高保真交互原型的完整保真度光谱
  • 每个制品都是单文件:CSS/JS 内联、响应式、可键盘操作、无需构建步骤
技能适用场景源码位置
html综合路由:报告、讲解页、落地页、混合制品skills/html/SKILL.md
design-artifact视觉创意方向(配色、版式、字体调性)skills/design-artifact/SKILL.md
html-wireframe低保真线框图:结构、层级、导航、流程skills/html-wireframe/SKILL.md
html-prototype可交互原型:真实状态、键盘支持、响应式skills/html-prototype/SKILL.md
html-plan实施计划、路线图:保留原始承诺可追溯skills/html-plan/SKILL.md
html-diagram架构图、时序图、流程图、状态图skills/html-diagram/SKILL.md

核心心法:肥制品 + 肥上下文 🧠

官方文档 site/content/docs/index.mdx 把这套方法浓缩为一句话:

给代理真实的简报、源材料、约束、示例和已接受的决策(肥上下文);让制品通过真实内容、标注、状态和交互承载工作细节(肥制品)。提示词和技能可以保持很薄。

三个角色分工非常清晰:

角色职责应该「肥」还是「薄」
提示词指出决策是什么、上下文在哪(指向制品、仓库、文件夹)薄 ✅
上下文真实简报、源文件、约束、已定决策肥 ✅
HTML 制品用空间、对比、状态、交互展示细节,供人直接评审肥 ✅

这解决了 AI 协作的一个普遍痛点:代理能写出远超人类阅读量的文字,而人最难评审的恰恰是一堵文字墙。HTML 能把层级、备选方案、状态和关系直接摆出来,所有人看到的是同一个可以指、可以问、可以改的东西。

五步工作循环:让每次生成都指向一个决策

项目指南给出的工作循环(见 site/content/docs/index.mdx),建议新手每一步都对号入座:

  1. 说出决策:这个制品要支撑人的哪个判断?
  2. 选形式与保真度:让该决策可见,且不引入新干扰
  3. 做一个自包含制品:真实内容,拒绝占位符文案
  4. 真尺寸检查:桌面宽屏 + 手机窄屏都过一遍
  5. 只评审当前阶段的边界:结构、行为、约束
  6. 需要时才升保真度:下一个决策确实需要新证据时再升级

关键洞察来自 site/content/docs/why-html.mdx:把细节放进制品,把决策放进提示词。

如何选择保真度:AI 生成线框图还是原型?📐

官方原则(site/content/docs/choosing-fidelity.mdx):选择能让当前人工决策可见的最低保真度。粗糙的制品邀请结构批评,精美的制品邀请视觉批评,可运行的制品邀请行为批评——保真度决定了评审者回答什么问题。

当前开放问题选什么效果
什么内容该出现?放哪里?线框图只讨论结构,不被颜色带偏
应该长什么样、什么感觉?高保真 Mockup讨论品牌、密度、排版
这个流程行为对吗?可交互原型直接操作控件验证状态流转
这些部分什么关系?图表架构图/时序图/状态图
顺序如何保留原始承诺?计划(Markdown 常更合适)可追溯、可验证

线框图 vs 高保真 Mockup 的效果对比,看同一决策(成员角色变更评审)的两个阶段就一目了然:

低保真线框图——刻意"未完成",评审注意力集中在结构上:

结构定稿后升级为高保真 Mockup——同样的决策,现在可以讨论品牌表达与视觉层级:

⚠️ 升级保真度前先问三个问题:决策发生了什么变化?新增的保真度提供什么新证据?多余的打磨会意外引来什么反馈?

提示词怎么写:把决策说清楚 ✍️

结合各技能文件的路由逻辑(skills/html/SKILL.md 的 "Route the request first"),一条「肥上下文」提示词的骨架长这样:

【决策】我需要在 X 之前判断:角色变更操作是否应该直接显示在成员行旁? 【上下文】产品背景见 docs/brief.md;现有界面截图见 assets/current.png; 已接受的决定:移动端保留底部固定操作区 【形式】做一个低保真 HTML 线框图,对比 2~3 个结构方向 【约束】单文件、响应式、真实文案(不要 lorem ipsum)、 图片用标注占位符 【交付】返回文件路径 + 每个方向的取舍说明

注意提示词里没有配色方案、字体栈、间距数值——这些由制品自己承载。html技能的路由规则会自动把请求分发给最合适的专业技能:结构未定 → 线框图;要可操作 → 原型;讲关系 → 图表。

实例解读:release-readiness 示例 🚀

仓库自带一个完整示例 examples/release-readiness/,展示「先线框图、后原型」的完整升级路径:

这张线框图顶部就有两处体现「在提示词中说出决策」:左上角虚线框注明STRUCTURE REVIEW · BEHAVIOR AND VISUAL DESIGN DEFERRED(结构评审,行为与视觉设计推迟),右上角写着Decision first(决策优先)——评审者一眼就知道该看什么、不该纠结什么。

当结构被确认后,同一决策升级为可操作原型,4/4 检查项通过后可直接「Release to production」:

想看源文件可直接打开 examples/release-readiness/wireframe.html 和 examples/release-readiness/prototype.html。

新手上手清单 ✅

  1. 不装任何东西先跑通:让 AI 按上面骨架写一条提示词,生成第一个 HTML 线框图
  2. 上下文指路,不灌水:提示词只写"材料在哪个文件/文件夹",而不是把内容全贴进去
  3. 保真度匹配决策:结构没定就别要配色,行为没验证就别叫产品
  4. 要求真实内容:提示词中明确"禁止占位符文案和无效控件"
  5. 固定验证动作:桌面 + 手机两种宽度都看一遍,检查溢出和键盘焦点
  6. 模式重复了再装技能:npx skills add plannotator/effective-html,让团队共享同一套默认值

小结

Effective HTML 的「肥制品 + 肥上下文」本质上是一种提示词工程范式:提示词负责说清决策,上下文负责提供证据,HTML 制品负责呈现一切。它不替代 Markdown,而是在"空间、对比、状态、交互"能降低评审成本时补位。掌握这套工作法后,你和 AI 的协作将从"读长篇回复"变成"打开一个可以指、可以点、可以改的页面"。

【免费下载链接】effective-htmlAgent skills for useful HTML artifacts, wireframes, interactive prototypes, plans, and diagrams.项目地址: https://gitcode.com/gh_mirrors/ef/effective-html

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/26 14:39:46

安全与性能的平衡:Claude Fable 5模型解析与TaoToken接入实践

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

作者头像 李华
网站建设 2026/9/26 14:38:39

自然场景文字检测与端到端OCR:中文识别毕业设计全流程解析

简介:一套面向自然场景文字检测与端到端中文OCR识别的毕业设计资源,基于TensorFlow与Keras、PyTorch框架实现,完整覆盖文字方向检测、文本区域检测和端到端文字识别三个核心网络。方向检测使用VGG16分类模型,利用八千张训练图片&a…

作者头像 李华
网站建设 2026/9/26 14:36:53

CISC与RISC的50年战争:现代CPU如何走向融合

2020 年苹果发布 M1 芯片时,很多人第一次听说“ARM 架构打赢了 x86”;2024 年之后,AI 服务器一卡难求,人们又开始重新审视 CPU 的功耗、指令集与算力分配。这两件事看似无关,实际上背后是同一场持续了近 50 年的技术战…

作者头像 李华