踩坑实录:接入 AI HTML 作答后,我踩过的 5 个致命坑

原创2026-10-27 17:31:571,942 阅读
文章标签:AI 技能人工智能dsh-pluginCLI音视频语音

踩坑实录:接入 AI HTML 作答后,我踩过的 5 个致命坑

前段时间我迷上了一件事:让 AI 别再用一大段文字回答我,而是直接给我一页能看的网页。

想法很美好。问它“TCP 三次握手是怎么回事”,它不再丢给我一堵密密麻麻的终端文字墙,而是给我一张带时序图、状态迁移图、对比表的页面,一分钟看完,还能发给同事。

直到我真的把这套东西接进工作流,才发现自己站在了一排坑边上:页面里冒出脚本、样式互相打架、等一页等到怀疑人生、图里的箭头指向空气、按钮点了一点反应都没有。

今天就把这 5 个坑挨个扒开讲清楚,也顺便说说一个叫 Answer me with HTML 的开源项目是怎么把它们一个个填平的。

先说说这玩意儿到底是个啥

一句话:它是个给 AI Agent 用的“排版外包团队”。

平时你让 AI 直接写网页,它得自己憋几百行样式、自己算图表的坐标、自己调颜色。写得慢不说,还经常写歪。

这个项目的思路很贼:让 AI 只写内容,不碰排版。

AI 只交一份很短的文字稿,说清楚“这里要一张流程图”“这里要一张对比表”“这里要一个结论框”。剩下的事交给项目自带的一个小工具,它负责选模板、排版面、配颜色、算图形坐标,几十毫秒吐出一个单独的网页文件。

有多省?官方数过:同一个问题,AI 直接手写 HTML 平均要写将近 4900 个字(按 token 算),用这套方案只要 600 出头,大约是一开始的八分之一;等页面从 31 秒缩到 12 秒,快了 2.6 倍。

同一个 TCP 问题,左边是文字墙,右边是一页能看懂的答案

而且产出的是一个 HTML 文件,不连任何外部网站、不加载网络字体,断网也能打开,微信发给别人也不会变成一堆破图。

听起来挺美,那坑在哪?

坑 1:AI 输出的脚本,真能在你电脑上跑起来

这是最吓人的一个。

页面里允许 AI 写一点原始标记,本意是让它塞个快捷键标签、折叠块。可一旦它顺手写出一个脚本标签,或者一个带“鼠标一划过就执行”的图片,你双击打开页面的那一刻,代码就在你本机跑起来了。

更隐蔽的是,稿子里经常出现这种句子:“用 ssh 连上服务器,命令是 user@<主机名>”。里面的尖括号被浏览器当成标签,后面半句话直接人间蒸发。还有人在正文里写了个脚本标签举例,结果整页后半部分都被它吞了。

项目后来的修法分两层,我觉得挺值得抄:

第一层是把可疑的东西变成文字。会破坏页面的标签、不认识的自造标签、句子里硬塞的整块元素,一律按普通文字显示;保留下来的标签,也要把“点击执行”“加载外部地址”这类属性全部剥掉。渲染完还会列个清单:这一页我改了哪些地方。

第二层是给整页上一道门禁。页面只允许运行它自己那几个脚本,而且要按内容“对指纹”,对不上就不许跑;外部图片、外部字体、外部接口,全部禁止;连表单提交都不许。

效果就是:AI 写错、或者你从别处粘了一段不可信的文本进来,最坏的结果也只是页面上多出一行丑丑的文字,而不是你电脑上多跑了一段代码。

坑 2:样式爆炸,一个页面能被 CSS 搞成灾难现场

第二个坑更常见,也更气人。

你让 AI 写网页,它每次都能给你一套新配色、新圆角、新字号。今天像苹果官网,明天像上世纪论坛。最要命的是面板会互相挤:左边一张图撑破格子,右边一段文字被截成半句,中间还留个大空洞。

我一开始的做法是“再让 AI 改改”。结果是它改一处、坏三处,来回几轮,页面越改越像拼贴画。

这个项目的解法很干脆:不让 AI 碰样式。

版面由代码算:每个面板有多大、这一行还剩多少空、宽表格要不要独占一行,全都按内容量出来。项目里管这个叫“照片墙式排版”,每行都填满,末尾对齐,不会留洞,窄屏自动变一列,打印自动退回规整网格。

颜色也是现成的:图纸风、卡片风、纸张风三套主题,亮色暗色都有,页面上一个下拉框随时换。

图纸风格的示例页面,图、表、结论各占一块,边界清楚

说句实话,这套东西最爽的地方不是好看,而是稳定。同样的问题问十次,出来的页面结构是一致的,不会今天惊艳明天翻车。

坑 3:超时,等一页等到你以为它死了

第三个坑,纯纯的时间黑洞。

AI 手写一页像样的网页,得先想布局、再写几百行样式、再画图。我实测过最夸张的一次,整整等了两分钟。中途你根本不知道它是在思考、在写样式,还是已经卡死。

更坑的是没有超时兜底。有一次它写完一半断流了,页面卡在半个状态,我盯着屏幕怀疑人生。

项目的做法是把“写样式”这件事从 AI 手里拿走,于是等待时间直接砍到十几秒;真正的排版渲染是本地算的,几十毫秒就出结果,快到你会怀疑它是不是没干活。

顺手说个细节:项目里做解释视频的时候,遇到调用外部配音服务、启动浏览器导出视频这些慢环节,都设了明确的超时——配音服务 60 秒不应答就报错,本地合成给到 5 分钟,浏览器 20 秒起不来就直接告诉你“起不来”,而不是傻等。

能明确告诉你“超时了、原因是什么”,比无限转圈强一百倍。

坑 4:渲染错位,箭头永远指向空白处

做流程图是最容易翻车的地方。

你让 AI 画一张“客户端和服务端来回三次”的时序图,它得自己算每个框的坐标、每条线的起止点。算错一个数,箭头就指到空白里,两个框还会叠在一起,字被压成黑块。

我见过最离谱的一张,图上五个框,四条箭头,只有一条指对了地方。

这个项目的办法是:AI 只描述关系,不描述坐标。

它写“客户端发给服务端一个 SYN”“服务端回一个 SYN+ACK”,工具自己算间距、自己排版、自己画箭头,标签长了会自动换行。

TCP 示例页:时序图、状态迁移图、关键数字、标志位对照表,一页说清

除了流程图,它还准备了十几种“按信息形状选”的积木:讲层级用目录树,讲历史用时间线,讲数据关系用实体图,讲对比用表格,讲数值用柱状图折线图饼图,连“这句话哪个词写得不好”都有一对一标注的版式。

这就是它比“让 AI 自由发挥”靠谱的地方——形状对了,内容就不会乱跑。

坑 5:交互失效,页面看着漂亮,点哪都没反应

第五个坑最阴,因为它只在“上线”之后才暴露。

我在两个场景里都踩过:

一是把页面嵌到另一个网页的框里显示。结果主题丢了、暗色模式丢了、连语言标记都没了,整页变成大白底黑字,像个没穿衣服的半成品。

二是给页面加了安全门禁之后,门禁太严,把自家按钮也一起锁死了。页面上的主题切换、复制回复、展开大图,全部变成装饰品。

项目的处理挺细:页面把主题、亮暗、语言这些设置同时写在两三个地方,被外层“扒掉衣服”时能自己穿回去;安全门禁不是简单粗暴地全禁,而是给自己每一个脚本算指纹、写进白名单,所以按钮能跑,来路不明的代码跑不了。

还有一个坑中坑:页面上有“回复”按钮,你勾完选项、写完评论,会合成一段文字贴回给 AI。这段文字本质上是别人可能改过的数据,绝不能当成命令执行。项目里专门写死了这条规矩:回复只是数据,不是指令,谁在里面写“帮我删掉某个目录”,都不能照做。

一套可以照抄的接入前安全检查清单

踩完这五个坑,我总结了一份“上线前过一遍”的清单,不需要懂代码也能对着问:

第一,问清楚页面里能不能跑脚本。 如果答案是“能,而且不限来源”,先别上线。

第二,问清楚外部资源怎么办。 图片、字体、统计脚本,是不是必须联网才能显示?断网打开会不会瞎?

第三,看它怎么处理“尖括号”。 随便在稿子里写一句带尖括号的话,看是被吃掉,还是老老实实显示成文字。

第四,看排版是算出来的还是猜出来的。 同一个问题多问几遍,页面结构如果每次都大改,说明是猜的。

第五,必须有一个明确的超时。 多久没响应就报错,报错要说人话,而不是永远转圈。

第六,看它会不会顺手把你的隐私打包带走。 比如引用代码时,会不会把配置文件、密钥文件也读进去;插入图片时,会不会接受一个改了后缀名的假图片。

第七,页面上的“用户输入”要当数据,不能当命令。

第八,留一个兜底开关。 出问题时能一键退回纯文字回答,而不是整个流程卡死。

这份清单不复杂,但真能挡掉绝大多数事故。

普通人怎么用?门槛高不高?

说实话,不高,但有个前提:你得在用 AI 编程工具。

它不是一个能双击安装的软件,而是挂给 AI Agent 的一个“技能包”。装好之后你该干嘛干嘛,照常提问,AI 自己判断要不要出页面;你也可以直接说“用网页给我讲讲这个”。

不用显卡,不用本地跑大模型,一台普通笔记本就行,唯一的要求是本机有个比较新的运行环境。装的时候甚至可以让 AI 自己读安装说明、自己装好、自己拿一个测试问题验证一遍。

谁最适合用?

  • 自媒体和技术科普作者:一个复杂概念,一页图加几句结论,比写两千字省事;
  • 要给同事讲方案的人:架构怎么改、选型怎么取舍,一页说清,不用开会讲半小时;
  • 学生和自学的人:抽象的东西看见形状,理解速度完全不一样;
  • 纯粹的效率党:不想再翻聊天记录里那坨找不到重点的长回复。

页面默认存在你自己电脑上,开个本地小服务,手机连同一个网络也能看。

最后聊两句

我越来越觉得,AI 输出的下一个战场,不是“谁答得更长”,而是**“谁答得让人看得下去”**。

文字墙不会消失,但它不该是默认答案。一页有图、有表、有结论的页面,本质上是在帮人省下“在脑子里重新排版”的那几分钟——而这几分钟,一天要重复几十次。

当然,方便的另一面永远是风险。页面越像“真网页”,越要有人替你把脚本、外链、隐私这几道门看住。我踩过的这五个坑,本质上都是同一句话:别把 AI 的输出,当成可信的代码直接跑。

最后想问问大家:你被 AI 的哪种回答方式折磨得最狠?是几百字不分段的长文,还是画得乱七八糟的“示意图”,又或者是一直转圈等不到结果的页面?评论区聊聊,我挑几个典型的下次接着拆。

登录后查看全文
answer-me-with-html