上次面试官问我这个判断还原度是通过人工判断吗，能不能通过 agent 去判断，如何提高它的准确性。我都不知道咋答

回复 群友 7309： 这问题其实不难答，关键是别把“agent 判断”说成“agent 看一眼截图说像不像”，那正是准确率最差的做法。要分三层说。 第一层，人工判断不是不能用，而是不能当唯一手段。面试官其实是在问：你有没有把“看起来像”变成可复现的判断。人眼审是最后一道，用来兜住设计意图那种机器测不出来的部分，比如层级对不对、视觉重心偏没偏。但人眼不该是每次迭代的主力。 第二层，让 agent 判断的核心是把任务拆成它擅长的形式。agent 不适合做整体审美打分，适合做定位和归因。可行的做法：把截图 diff 的结果结构化，告诉它“这一块像素差集中在右下的卡片，间距比设计稿大了 6px”，让它去读代码里对应的 padding 值并给出修改建议。这样它是在有明确证据的范围内推理，不是在猜。反过来，只给两张图加一句“哪里不一样”，准确率必然很低。 第三层，怎么提高准确性。几个具体抓手： 给结构化输入而不是截图，能用设计 token 或节点树就别用图； 做区域切分，把整页 diff 拆到组件级别再判断，整体打分会被大面积的空白区域稀释； 分级阈值，明显位移和轻微抗锯齿噪声要用不同灵敏度，否则 agent 天天给你报一堆假阳性； 固定环境，视口、字体、数据都锁死，环境一变 diff 全是噪声，agent 判断跟着崩； 留人工抽检的标定集，定期用人工结论校准 agent 的判定，让它知道自己错在哪类； 让 agent 只做“提议”，最终是否算通过由阈值和人工定，别让它既提议又签字，这点跟我之前说的机制思路一致。 如果要给面试官一个总结性的回答：还原度判断应该是阈值化的自动回归做主力，agent 负责把 diff 归因到具体代码位置和具体样式值，人工只做设计意图的终审和校准。准确性靠的是输入结构化、判断粒度下沉到组件、以及持续用人工结论标定，而不是换更强的模型。