精品咖啡订阅案例对照记录
同一份提示词、同一个模型，只改变加载的前端技能，比较六个版本的页面产物、轮次与耗时。
运行条件
- 日期：2026-11-06
- 模型：
codex/gpt-6.1-terra，思考强度high - 提示词：TerraBrew 精品咖啡订阅官网，要求单文件
index.html，样式与脚本内联，不引用外部依赖 - 隔离方式：
bench/run.sh，每组独立进程、独立配置目录、空 MCP 配置，关闭内置技能后只挂载被测技能 - 技能快照：仓库 frontend-skills 目录，来源提交记录在该目录的 README
结果
| 版本 | 技能调用 | 轮次 | 耗时 | 页面大小 |
|---|---|---|---|---|
| 无技能 | 无 | 15 | 4.7 min | 1,815,468 字节 |
| frontend-design | frontend-design | 9 | 3.8 min | 2,146,921 字节 |
| oil-ui | oil-ui | 17 | 4.2 min | 2,144,839 字节 |
| impeccable | impeccable | 15 | 5.7 min | 646,033 字节 |
| taste-skill | design-taste-frontend | 8 | 3.5 min | 647,875 字节 |
| hallmark | hallmark | 22 | 5.0 min | 1,251,184 字节 |
说明
六个页面都是可离线打开的单文件，样式、脚本与图片内嵌，内联脚本通过 node --check 语法检查。hallmark 版本在页脚保留了一条 Wikimedia 的图片来源链接，不影响页面运行。
轮次与耗时取自 Claude Code 的 JSON 输出，耗时由毫秒换算为分钟；页面大小为磁盘上的实际字节数，包含内嵌图片，因此体积差异主要反映图片使用方式，不直接代表设计质量。
每组只运行了一次，耗时受服务波动影响，不能据此判断技能优劣。本轮没有做视觉评分，页面的排版、配色与交互质量需要人工查看后另行记录。
原始运行目录保存在仓库之外的 ~/Code/benchmark-runs/case-01/，包含 result.json、run.meta 与完整会话记录。
DeepSeek V4.1 Flash 1017 补充对照
- 日期：2026-11-07；模型
cline/cline-pass/deepseek-v4.1-flash-1017；思考强度max。 - 使用同一咖啡提示词、交付要求与隔离脚本，六组分别调用当前仓库技能快照；其中 oil-ui 和 taste-skill 的快照已在原 GPT 对照之后更新，跨模型比较时需考虑这一差异。
- 三路并发运行，单组耗时不可直接比较。
| 版本 | 技能调用 | 轮次 | 耗时 | 页面大小 |
|---|---|---|---|---|
| 无技能 | 无 | 83 | 20.9 min | 118,967 字节 |
| frontend-design | frontend-design | 94 | 14.3 min | 149,040 字节 |
| oil-ui | oil-ui | 350 | 46.3 min | 281,874 字节 |
| impeccable | impeccable | 171 | 23.6 min | 271,283 字节 |
| taste-skill | design-taste-frontend | 393 | 102.5 min | 897,292 字节 |
| hallmark | hallmark | 146 | 19.4 min | 650,591 字节 |
六组均通过技能清单、技能调用和实际模型的隔离核验，内联脚本通过语法检查。1440×900 首屏加载时未发现页面脚本错误；尚未逐项验证生成页面的功能。原始运行目录为 ~/Code/benchmark-runs/case-01/deepseek-v4.1-flash-1017-max-7bfrgxb2/。