面向AI代理的网页质量审计技能

Addy Osmani发布了一项面向AI代理的网页质量审计技能,涵盖五个维度,并采用严格的循证方法论。 - 五步工作流程:确定审计目标(代表性URL、状态、用户旅程、公开/登录状态、移动/桌面范围);收集实时基线(跟踪+Lighthouse审计,不进行广泛代码扫描);利用运行时证据定位源代码;根据用户影响和置信度进行分级,提供或执行修复;重新测试验证(相同条件,报告已验证内容及仍需手动确认的部分)。 - 四大核心设计原则:证据优于分数(聚合分数仅为诊断摘要,真实证据是LCP、INP、CLS等指标值);先测量后读代码(在审查源代码前先获取运行时基线,明确区分测量结论与代码推断假设);证据类型层级(CrUX现场数据、第一方RUM、DevTools性能跟踪、Lighthouse实验室分数、静态代码检查——不可混淆);可复现性纪律(记录完整测量条件,关键结论至少运行3次,取中位数并报告范围,绝不将单次本地跟踪与CrUX p75进行比较)。 - 五大审计维度:性能(CWV阈值:LCP<2.5s、INP<200ms、CLS<0.1;资源优化、加载策略);可访问性(WCAG四项原则,对比度AA 4.5:1,键盘可达,焦点可见,表单标签关联);SEO(可爬取性、页面元素、技术项,使用CWV现场数据作为证据,不承诺排名);最佳实践(安全:HTTPS/HSTS/CSP,无易受攻击依赖,生产环境无源码映射,无弃用API,控制台零错误,无侵入性插页);代理浏览(前瞻性类别,通过语义HTML和可访问性树暴露衡量AI代理理解能力,WebMCP验证,可选的llms.txt,明确与SEO区分)。 - 工具路由:首选Chrome DevTools MCP(性能类使用performance_start_trace然后performance_analyze_insight;其他四类使用lighthouse_audit——有意排除性能)。备用方案:Lighthouse CLI → PageSpeed Insights → CrUX Vis → 静态检查。令牌节省原则:文本快照优先于截图,大型报告保存至磁盘仅提取可操作项,深入少数关键洞察。 - 输出分级:严重(安全、完全失败→立即修复),高(CWV失败、主要可访问性障碍→发布前修复),中(性能机会、SEO改进→迭代内修复),低(次要优化→酌情修复)。报告结构:证据表(信号/范围与条件/结果/来源),然后按严重程度列出问题(每个问题包含影响、证据类型、具体修复),最后优先级顺序和验证状态。
Key insights
基于证据的审计优先考虑真实指标而非聚合分数
该技能明确指出,Lighthouse分数是诊断摘要,其权重随版本变化,不能作为质量证明。真正的证据来自具体指标值(LCP、INP、CLS)和现场数据。这将焦点从追逐分数转向改善实际用户体验。
严格的测量认识论区分现场数据与实验室数据
该技能定义了证据类型的层级——CrUX现场数据、第一方RUM、DevTools跟踪、Lighthouse实验室、静态分析——并禁止混淆它们。同时要求可复现性:至少运行3次,报告中位数,绝不将单次本地跟踪与CrUX p75进行比较。这种严谨性旨在消除审计结果中的虚假信心。
引入代理浏览作为前瞻性审计维度
新增的“代理浏览”类别评估AI代理通过语义HTML和可访问性树暴露理解和交互页面的能力。它明确与SEO区分,不声称代理友好性影响搜索排名或AI可见性。这反映了机器可读网页体验日益增长的重要性。
工具路由确保即使缺少可选工具也能进行审计
该技能定义了首选工具(Chrome DevTools MCP)和清晰的备用链直至静态检查。还包括令牌节省原则以最小化成本。这种务实设计确保审计不会因缺少工具而受阻,并保持高效。