DOMPrompter

Name: DOMPrompter
Availability: InStock
Author: Hooosberg

曾想帮 AI 精准定位前端元素；但 Codex 和浏览器代理越来越能自己读页面、改样式，这类辅助层必须重新定位。

失败经验说明

DOMPrompter 的原始判断是：AI 改前端时最缺的是准确上下文，所以工具负责点选 DOM、截取样式、生成提示词。

失败点在于 AI 编程工具进步太快。Codex、Claude Code 和浏览器代理正在自己读页面、定位元素、截图对比和修改样式，单独做一个“提示词搬运层”的价值被快速压缩。

这个案例值得留下，因为它提醒我们：面向 AI 的辅助产品不能只解决今天模型不会做的事，而要判断这个不会做的能力会不会在几个月内变成默认能力。

这些案例的价值不在于证明产品成功，而在于说明 AI 能力变化怎样吞掉辅助工具，以及下一次如何判断边界。

这个项目的问题不是点选、截图或提示词不成立，而是它站在 AI 能力曲线太近的位置，容易被下一次自动化吞掉。

用户不需要再买一个复制上下文的工具，但可以学习如何把视觉问题变成可验证任务、如何要求 AI 检查首屏和移动端。

如果继续做，方向应从“生成提示词”转向“自动前端 QA、截图差异、跨视口验收和回归检查”。

点击网页元素，收集 selector、尺寸、样式和局部上下文，再整理成给 AI 改代码的提示词。

AI 工具越来越能直接连接浏览器、读取 DOM、观察截图、修改源码并重新验证，辅助层越厚越容易变成多余步骤。

前端修改要有边界：改哪里、不改哪里、在哪些视口验收、怎样判断没有引入新问题。

如果产品价值只来自模型暂时看不到页面，那它很可能会被模型或代理能力自然吃掉。

失败后仍能沉淀的是提示词结构、验收清单和视觉 QA 流程，这些比单个桌面工具更耐用。

AI 能自己改代码以后，人的价值更靠提出审美判断、业务边界和最终验收标准。

DOMPrompter 的开发日记会作为 AI 前端辅助工具的失败复盘：为什么当时觉得成立，AI 自动化怎样压缩它，以及怎样把失败转成前端 QA 方法。

前端视觉微调AI 提示词结构化DOM 选择器设计实现复盘

选择元素、样式差异和提示词生成流程在本地完成。