评分规则 v1
一个案例的各组生成完毕后，主会话按本规则给每组成品打分并写评价。分数显示在首页结果卡片上，分项得分与扣分依据写进 examples/case-NN/评分记录.md。
评分对象是用户打开页面后实际看到、操作到的结果，源码用来确认原因和找出看不见的问题。分数只代表这一次生成的成品，不代表技能本身的水平。
为节省消耗，评委只在浏览器中以 1440×900 桌面视口查看和操作页面，不在手机宽度下查看。提示词要求的移动端适配只通过阅读源码判断（见「需求还原」中的约束项），不单设手机布局分。
总览
满分 100，五个维度：
| 维度 | 分值 | 子项 |
|---|---|---|
| 需求还原 | 30 | 按验收清单计算 |
| 视觉设计 | 35 | 排版与层级 7、色彩 7、构图与节奏 7、细节完成度 7、主题契合与辨识度 7 |
| 交互与动效 | 15 | 核心交互手感 6、状态与反馈 5、动效 4 |
| 可访问性 | 10 | 键盘与焦点 4、语义与对比度 3、减弱动效与配色模式 3 |
| 代码质量 | 10 | 结构与组织 4、健壮性 3、性能与体积 3 |
所有子项取整数。总分是五个维度相加。
需求还原（30）
验收清单
评分前，对照提示词写出这个案例的验收清单，六组共用同一份。每一项必须能在页面上验证，分三类：
- 内容：提示词要求出现的信息、板块和页面，例如「五步庄园溯源时间轴」「三类合作与回复时间」。
- 功能：提示词要求的交互，例如「点击风味扇区同步切换风味笔记」「输入为空时给出提示」。
- 约束：交付条件，例如单文件内联、不引用外部资源、指定的页面文件、适配到 390 宽、跟随系统深色。移动端适配这类桌面视口看不到的约束，读源码判断：主要板块在窄屏下有对应的布局规则记达成，只零星处理或明显会溢出记部分，完全没有处理记未达成。
提示词明确称为核心的项，或页面主要目的所在的交互，权重记 2；其余项记 1。提示词写得笼统时（例如「向访客介绍这首歌」），清单就只列提示词说到的几项，不替提示词补需求。
判定与计算
每项判为：
- 达成（1）：按提示词描述能完整看到或操作成功。
- 部分（0.5）：做了但不完整，例如只有四步时间轴，筛选只对部分类别生效，或者窄屏规则只覆盖了部分板块。
- 未达成（0）：缺失、无法操作或结果错误，例如价格算错、提示词给出的数字被改掉。
- 无法验证（—）：在浏览器里无法确认，例如真实发信。该项不计入，必须注明原因。
需求还原得分 = 30 × Σ(权重 × 判定) ÷ Σ(权重)，四舍五入取整。
提示词没有要求的额外功能不计入需求还原。做得好可以在交互与动效里体现；如果出错、拖慢页面或干扰阅读，照常在相应维度扣分。
视觉设计（35）
在浏览器中以 1440 宽度从头看到尾后评，五个子项各 7 分。
| 子项 | 7 | 5–6 | 3–4 | 0–2 |
|---|---|---|---|---|
| 排版与层级 | 字号与字重的节奏清楚，中文排版舒服（行长、行距、标点），一眼看出主次 | 层级清楚，个别段落偏密或偏挤 | 层级平均，标题与正文拉不开，或有大段难读文字 | 文字重叠、截断，或层级混乱 |
| 色彩 | 配色有明确主张且克制，强调色用在该强调的地方，整体协调 | 协调统一，但比较保守或有一两处突兀 | 常见的套路配色，或强调色泛滥、对比不足 | 颜色冲突，或影响阅读 |
| 构图与节奏 | 板块之间疏密有变化，长页面读下来有起伏，首屏构图完整 | 结构清晰，板块节奏略单调 | 板块一律等宽堆叠，或留白失衡（过空或过挤） | 布局错位、塌陷或大片空白 |
| 细节完成度 | 对齐、间距、圆角、图标、图像处理统一，挑不出毛病 | 少量不一致，不仔细看看不出 | 多处对不齐、间距随意，或图像质量差、比例失真 | 破图、占位文字、明显未完成的板块 |
| 主题契合与辨识度 | 视觉语言贴合品牌与内容，有让人记住的处理，不像模板 | 贴合主题，个性一般 | 换个品牌名也能用，典型的模板观感 | 与主题冲突 |
交互与动效（15）
在桌面视口实际操作后评。这一维度评的是交互做得好不好；交互有没有做，归需求还原。
| 子项 | 满分 | 满分表现 | 常见扣分 |
|---|---|---|---|
| 核心交互手感 | 6 | 提示词点名的交互响应及时，结果一目了然，操作方式符合直觉 | 要找半天才知道能点；切换后没有明显变化；拖动或点击区域过小 |
| 状态与反馈 | 5 | 悬停、按下、焦点、选中、空值、错误、成功状态齐全且清楚 | 缺焦点样式；表单错误只靠颜色提示；提交后没有反馈 |
| 动效 | 4 | 动效服务于理解，例如表现状态变化或引导视线，流畅不拖沓 | 卡顿；入场动画让内容迟迟不出现；装饰动效干扰阅读 |
页面没有任何交互要求时，核心交互手感按导航、链接、按钮等基础操作评。
可访问性（10）
| 子项 | 满分 | 满分表现 | 常见扣分 |
|---|---|---|---|
| 键盘与焦点 | 4 | 所有交互可以用键盘完成，焦点顺序合理，焦点位置看得见 | 用 div 做按钮导致无法聚焦；焦点样式被去掉 |
| 语义与对比度 | 3 | 有正确的标题层级与地标，图片有替代文本，表单有标签，正文对比度足够 | 浅灰小字压在浅底上；缺替代文本；标题层级跳乱 |
| 减弱动效与配色模式 | 3 | 系统开启减弱动态效果时关掉或明显减弱动画；提示词要求深浅色时两套都完整可读 | 减弱动效无效；深色模式有遗漏的浅色块或看不清的文字 |
提示词要求了深浅色或减弱动效时，这两项同时在验收清单中计入；这里评的是做得是否到位。
代码质量（10）
读源码后评，扣分要写出代码位置。
| 子项 | 满分 | 满分表现 | 常见扣分 |
|---|---|---|---|
| 结构与组织 | 4 | 语义化 HTML，样式用变量统一管理，脚本按功能划分，没有大段重复 | 大量重复的样式或标记；魔法数字散落；死代码 |
| 健壮性 | 3 | 无控制台报错，边界输入有处理，状态之间不会互相打架 | 有报错；快速连续操作后状态错乱；本地存储读写不做容错 |
| 性能与体积 | 3 | 动画用合成属性或按帧调度，资源体积合理 | 滚动或动画明显掉帧；同一图片重复内嵌；无节制的定时器 |
页面体积只在明显浪费时扣分。提示词要求实景图片并内嵌时，体积大是合理的。
通用规则
硬性上限
必需页面缺失、无法打开或首屏空白时，该组总分最高 40。
分数档位
| 总分 | 含义 |
|---|---|
| 90 以上 | 可以直接上线，有让人记住的地方 |
| 80–89 | 完整统一，只有少量瑕疵 |
| 70–79 | 能用，但模板化或有明显短板 |
| 60–69 | 有影响使用的问题 |
| 60 以下 | 核心需求缺失，或页面破损 |
逐项打完分后，看总分落在哪一档，与对这个页面的整体判断是否相符；不符时回头检查子项，不要直接改总分。
校准
- 同一案例先把各组都看完，再统一定分。无技能组作为参照，先评。
- 定分后按总分排序，与整体印象对照，有不合理的地方就复核对应子项。
- 子项的满分要留给确实挑不出问题的表现，不要因为没发现问题就默认给满分。
中立
- 本规则不使用任何被测技能自己的术语或检查清单。评分时不参考技能文档里的标准。
- 只看用户能感知到的结果，不因为页面遵循了某个技能的主张而加分，也不因为技能名带来的预期而调整分数。
证据
扣 2 分及以上必须写出依据：浏览器中的操作步骤与看到的结果，或代码位置（文件:行号）。验收清单中的「部分」和「未达成」同样要写依据。
不计入评分
- 生成轮次、耗时、页面大小单独展示，不计入评分。
- 模型自行编写的信息（歌曲资料、用户评价、文章内容等）不核对真伪，只看是否合理、是否自洽。提示词给定的数据（价格、收入、数量）必须准确，属于需求还原。
评价写法
每组写一句卡片评价，显示在首页结果卡片上：
- 不超过 50 字，先写最突出的长处，再写最主要的短板，用分号隔开。
- 从用户视角描述看到和用到的东西，不写像素、属性名等实现术语，不复述分数。
- 可以点出与同案例其他组的差异，但不要写成排名。
示例：「风味轮与订阅配置器联动顺畅，果实照片气质出众；订阅区按钮缺少选中反馈，切换后不易察觉。」
评分记录格式
examples/case-NN/评分记录.md 依次包含：
- 评分条件：评分日期、评分模型、规则版本、验收视口（1440×900）。
- 验收清单：一张矩阵表，行是清单项（注明类别与权重），列是各组，单元格填 ✓、△、✗ 或 —；表后列出各个 △ 和 ✗ 的依据。
- 各组评分：每组一节，标题为「技能名 · 总分」，下面是分项表（维度、得分、依据），最后是卡片评价原文。
- 有补充模型结果时另起一节，结构相同。
版本
- 每份评分记录写明规则版本与评分模型。
- 修改分值、子项或判定方式时升版本号，并在本节记录改动；旧分数保留原版本标注，是否重评另行决定。
- 跨案例比较分数时，只比较同一规则版本、同一评分模型给出的分数。
| 版本 | 日期 | 说明 |
|---|---|---|
| v1 | 2026-11-09 | 首版 |