ProofShot：為 AI 編程代理提供視覺能力以驗證其構建的用戶界面

背景

ProofShot 是一款開源且不限代理程式（agent-agnostic）的命令列工具，旨在解決 AI 編程代理在開發 UI 功能時「盲目作業」的問題。透過整合瀏覽器自動化與錄影功能，它能讓 AI 代理在撰寫程式碼後，自動開啟瀏覽器進行操作驗證，並生成包含影片、截圖及錯誤日誌的完整報告，供開發者快速審核。

社群觀點

Hacker News 社群對於 ProofShot 的出現反應兩極，爭論的核心在於這類工具與現有自動化測試框架（如 Playwright）的重疊性。許多技術專家質疑，既然微軟的 Playwright 或 Anthropic 的 Claude Code 已經具備截圖與 DOM 操作能力，為何還需要額外的 CLI 工具。部分評論者指出，Playwright 配合 MCP（Model Context Protocol）已經能讓 AI 代理觀察瀏覽器狀態，甚至能直接透過 DOM API 進行驗證，效率可能比處理影片或截圖更高。

然而，支持者則從「視覺驗證」的本質出發，反駁了單純依賴 DOM 斷言的侷限性。有觀點認為，DOM 結構正確並不代表視覺呈現無誤，例如元件重疊、顏色偏差或間距異常等問題，傳統的自動化測試很難捕捉。ProofShot 提供的影片紀錄與時間軸功能，能讓人類開發者在幾秒鐘內確認 UI 互動是否符合預期，這種「視覺證據」在處理複雜的佈局錯誤（Layout bugs）時，比閱讀測試報告更直觀。此外，將驗證過程自動上傳至 GitHub PR 作為評論的功能，也被認為能有效提升團隊協作效率，減少人類手動截圖回報的負擔。

另一部分的討論聚焦於跨平台的應用潛力。雖然 ProofShot 目前專注於 Web 開發，但不少開發者表達了對行動裝置模擬器（iOS/Android）或桌面應用程式驗證的需求。對於沒有 DOM 結構可以查詢的圖形應用程式（如繪圖軟體），截圖比對幾乎是唯一的自動化驗證手段。社群中也有人提到，雖然現有的 AI 代理如 Windsurf 或 Gemini 已經內建類似功能，但 ProofShot 作為一個 MIT 授權的開源工具，為不希望被特定平台綁定的開發者提供了更具彈性的選擇。

總體而言，社群達成了一種共識：我們正從「生成 UI」轉向「驗證 UI」的階段。儘管技術實現路徑仍有爭議，但為 AI 代理加上「眼睛」以閉環開發流程，已成為現代開發工作流中不可或缺的一環。

延伸閱讀

• agent-browser: 由 Vercel Labs 開發，ProofShot 底層所使用的瀏覽器控制庫。
• Playwright MCP: Anthropic 官方推薦用於讓 AI 代理操作瀏覽器的協議插件。
• Deepwalker: 留言中提到的另一款類似的視覺化 AI 代理工具。
• Chrome DevTools MCP: 被認為比 Playwright 更輕量、更適合快速循環驗證的替代方案。