ทดสอบ Oil UI, frontend-design, Impeccable และ UI UX Pro Max: 15 รอบจริง
UI Design Skill ตัวไหนที่สร้างหน้าจอใช้งานได้จริงใน Claude Code หรือ Codex? เราส่ง Product Brief เดียวกันเป๊ะให้กับ UI Skills แบบโอเพนซอร์สยอดนิยม 4 ตัว — Oil UI, frontend-design ของ Anthropic, UI UX Pro Max และ Impeccable — พร้อมกลุ่มควบคุมที่ไม่ใช้ Skill เปรียบเทียบหน้าจอที่เรนเดอร์และเปิดเดโมจริงเคียงข้างกันได้ด้านล่าง
สรุปประเด็นสำคัญ
การใช้ UI Skill เฉพาะทางดีกว่าการ Prompt เปล่าเสมอ
เมื่อไม่ใช้ Skill โมเดลทำคะแนนเฉลี่ยได้ 84.3 และตกการตรวจฟังก์ชัน 2 ใน 3 รอบ ขณะที่ UI Skills ทั้ง 4 ตัวผ่านการตรวจฟังก์ชันครบ 12/12 รอบ
แต่ละ Skill มีบุคลิกต่างกันชัดเจน
frontend-design ของ Anthropic และ Impeccable เด่นเรื่องการจัดสไตล์หน้าเดียว, UI UX Pro Max ถนัดการ์ด SaaS ที่คุ้นเคย, ส่วน Oil UI เน้นบอร์ดเทียบหลายแนวทางและการตรวจภาพแบบ Blind Screenshot Review (และทำได้ 89.5 ในการทดสอบติดตามผล)
เริ่มฟรีสำหรับหน้าเดียว อัปเกรดเป็น Pro เมื่อทำแอปโปรดักชัน
Skill โอเพนซอร์สฟรีเหมาะกับหน้าเดี่ยว ส่วน Oil UI Pro ($19.99 จ่ายครั้งเดียว) รองรับการปรับปรุงโค้ดเบสเดิม พื้นที่ทำงานซับซ้อน และ Blind Review 3 รอบที่ระดับ 9/10
เปรียบเทียบหน้าเว็บจริง
Oil UI
v0.24.20.24.2ฉบับโอเพนซอร์สของแกลเลอรี · เทียบหลายทิศทาง + ตรวจภาพหน้าจอแบบปิดชื่อ
✓ จุดเด่นข้อมูลเครื่องมือและการตอบสนองชัดเจน
△ ข้อจำกัดโจทย์หน้าเดียวไม่ได้ทดสอบการทำงานแบบหลายทิศทาง
frontend-design
Anthropiccommit-dbd4588f9e1033efb41dad4bef2f7947c8993d44ตัวอย่างทางการจาก Anthropic · คู่มือสไตล์สำหรับหน้าเดียว
✓ จุดเด่นทิศทางภาพแบบชั้นวางเครื่องมือสม่ำเสมอ
△ ข้อจำกัดเส้นขอบที่ซ้ำซ้อนทำให้การ์ดดูหนัก
UI UX Pro Max
v2.15.02.15.0คลังกฎยอดนิยมจากชุมชน · รูปแบบการ์ด SaaS มาตรฐาน
✓ จุดเด่นแคตตาล็อกและตัวกรองครอบคลุมครบถ้วน
△ ข้อจำกัดส่วนหัวบนมือถือสูง ทำให้การ์ดเครื่องมือโผล่ช้า
Impeccable
v4.7.04.7.0ชุดคำสั่งขัดเกลาฟรอนต์เอนด์ · สไตล์ตั๋วโทนเข้มและรายละเอียดสถานะ
✓ จุดเด่นดีไซน์แบบตั๋วและรายละเอียดสถานะชัดเจน
△ ข้อจำกัดการจัดแนวการ์ดในแถวเดียวกันคลาดเคลื่อนเล็กน้อย
สรุปผลลัพธ์
ไม่ใช้ Skill
84.3 · เฉลี่ย 3 รอบ2/3 รอบ ข้อความยืนยันการบันทึกไม่ตรงกับข้อความที่คาดหวัง
เปิดเดโม ↗4 Skill
86.7–88.0 · เฉลี่ยอย่างละ 3 รอบผ่านการตรวจฟังก์ชันครบทั้ง 12 ครั้ง
ตัวเลือกปรับปรุง Oil UI
89.5 · เฉลี่ยแบบปิดชื่อ3 ทิศทาง โปรเจกต์เดิม และการรีวิวแบบปิดชื่อซ้ำ เป็นการทดสอบครั้งเดียว ไม่ใช่อัปเดตทางการ
อ่านรายงาน ↗ผลลัพธ์: คะแนนและผลการตรวจฟังก์ชันของทุกรอบ
| เงื่อนไข | run-1 | run-2 | run-3 | ผลรวม 3 รอบ | เฉลี่ย | ฟังก์ชัน |
|---|---|---|---|---|---|---|
| Oil UI โอเพนซอร์ส | 88 · ผ่าน | 90 · ผ่าน | 83 · ผ่าน | 261/300 | 87.0 | 3/3 ผ่าน |
| frontend-design | 87 · ผ่าน | 87 · ผ่าน | 90 · ผ่าน | 264/300 | 88.0 | 3/3 ผ่าน |
| UI UX Pro Max | 86 · ผ่าน | 88 · ผ่าน | 86 · ผ่าน | 260/300 | 86.7 | 3/3 ผ่าน |
| Impeccable | 88 · ผ่าน | 87 · ผ่าน | 89 · ผ่าน | 264/300 | 88.0 | 3/3 ผ่าน |
| กลุ่มควบคุมไม่ใช้ Skill | 83 · ไม่ผ่าน | 86 · ผ่าน | 84 · ไม่ผ่าน | 253/300 | 84.3 | 1/3 ผ่าน, 2 ไม่ผ่าน |
การสร้างทั้ง 15 รอบและการประเมินด้านภาพแบบนิรนามเสร็จสมบูรณ์ทั้งหมด การตรวจฟังก์ชันผ่าน 13 รอบและไม่ผ่าน 2 รอบ ค่าเฉลี่ยคำนวณจากผลรวม 3 รอบหาร 3 แสดงทศนิยม 1 ตำแหน่ง ดังนั้น UI UX Pro Max คือ 260/3 และกลุ่มไม่ใช้ Skill คือ 253/3 ไฟล์ JSON สาธารณะเก็บคะแนนครบทั้ง 6 มิติ ผลฟังก์ชัน และ URL ไฟล์สาธารณะไว้ทั้งหมด
วิธีเลือกใช้: เลือก frontend-design (88.0) หรือ Impeccable (88.0) หากต้องการจัดสไตล์หน้าเดียวอย่างรวดเร็ว, UI UX Pro Max (86.7) สำหรับแค็ตตาล็อกการ์ด SaaS ที่คุ้นเคย, และ Oil UI (87.0 ในรุ่น 0.24.2; 89.5 ในการทดสอบตัวเลือกติดตามผล) เมื่อต้องการบอร์ดเปรียบเทียบหลายแนวทาง Blind Screenshot Review หรือการปรับปรุงโปรเจกต์เดิมด้วย Oil UI Pro
Oil UI โอเพนซอร์ส 0.24.2: เฉลี่ย 87.0 โดย run-3 ถูกหักคะแนนจากความโปร่งใสซ้ำ
คะแนนด้านภาพได้ 88, 90 และ 83 โดยผ่านสถานการณ์ฟังก์ชัน 6/6 ครบทั้ง 3 รอบ ผลงานทั้ง 3 รอบวางช่องค้นหา ตัวกรอง และเครื่องมือทั้ง 6 ชิ้นไว้เป็นศูนย์กลาง พร้อมลำดับข้อมูลในการ์ดที่สม่ำเสมอ การบันทึกจะอัปเดตข้อความ ไอคอนหรือรูปทรง สีเติม และจำนวนนับ; กรณีไม่พบผลลัพธ์มีปุ่มรีเซ็ต กรณีโหลดล้มเหลวมีปุ่มลองใหม่ และข้อผิดพลาดของฟอร์มมีทั้งสรุปและคำแนะนำแก้ไขระดับฟิลด์
ใน run-1 ฟอร์มบนมือถือที่ยาวต้องเลื่อนลงจึงจะเห็นแถวปุ่ม Action ครบหลังเกิด Error และภาพแคปหลายภาพจับการ์ดช่วงท้ายในสภาพเกือบโปร่งใสระหว่างกำลังเคลื่อนเข้าหน้าจอ ส่วน run-2 พัฒนาระบบกฎดัชนีร่วมและแท็บรายการที่บันทึกได้กลมกลืนขึ้น แต่เอฟเฟกต์เข้าหน้าจอ 420ms ทำให้เฟรมที่แคปตอนค้นหาและรีเฟรชคำแนะนำดูจางลง อีกทั้งข้อความเสริมแบบ Monospace ขนาดเล็กยังทำให้อ่านหน้ายาวๆ ได้ยากขึ้น
ใน run-3 ทุกครั้งที่ renderTools() สร้างรายการใหม่จะเล่นแอนิเมชันการ์ดเข้าจาก opacity: 0 ยาว 180ms ซ้ำใหม่ทั้งหมด ภาพแคปการค้นหาแสดงคำว่า "1 tool” แต่ไม่เห็นการ์ดผลลัพธ์ ขณะที่ภาพแคปการค้นหาบนมือถือ การรีเฟรชรายการที่บันทึก และคำแนะนำต่างแสดงการ์ดที่เกือบโปร่งใส แม้จะผ่านการตรวจฟังก์ชัน แต่การซ่อนเนื้อหาหลักซ้ำๆ ระหว่างการกรองปกติทำให้ Feedback สะดุด รอบนี้จึงได้ 83 คะแนน ทั้งนี้เฟรมดังกล่าวไม่ได้พิสูจน์ว่าข้อมูลสูญหายถาวร
frontend-design: เฉลี่ย 88.0 ภาษาภาพสไตล์ลิ้นชักงานที่ลงตัวพร้อมการเน้นย้ำซ้ำ
คะแนนด้านภาพได้ 87, 87 และ 90 โดยผ่านสถานการณ์ฟังก์ชัน 6/6 ครบทั้ง 3 รอบ run-1 สร้างแนวคิด "work drawer" จากพื้นผิวเทาเย็น กระดาษป้าย เส้นชั้นวางแบบวาดมือ ที่คั่นหน้า และสัญลักษณ์เครื่องมือที่ต่างกัน ทำให้สรุปและกรณีใช้งานโดดเด่น การกดบันทึกเปลี่ยนทั้งข้อความ สีเติมที่คั่นหน้า และสีพื้นผิว ส่วนการ์ดแรกบนมือถือและปุ่มในฟอร์มที่ไม่ถูกต้องมองเห็นได้ครบถ้วน
run-2 รักษาลำดับชั้นที่ชัดเจนไว้ได้ แต่รวมแถบด้านบนการ์ดหนา 6px เส้นฐานการ์ดที่หนัก และเส้นขอบซ้ายรอบตัวกรองกับคำแนะนำเข้าด้วยกัน ทำให้ภาพรวมดูหนักขึ้น และกล่อง Error บนมือถือวางปุ่มยกเลิกกับบันทึกไว้ต่ำกว่า Viewport เริ่มต้น 844px จนต้องเลื่อนหน้าจอ ส่วน run-3 ก็ใช้เส้นขอบซ้ายสีน้ำเงินซ้ำเช่นกันพร้อม Label และเมตาขนาดเล็ก แม้ค่าเฉลี่ยจะเท่ากับ Impeccable แต่หน้าตาและจุดอ่อนของทั้งคู่ต่างกัน
UI UX Pro Max 2.15.0: เฉลี่ย 86.7 เก็บสถานะครบถ้วนแต่ถูกฉุดด้วยความแน่นบนมือถือและตำแหน่งปุ่ม
คะแนนด้านภาพได้ 86, 88 และ 86 โดยผ่านสถานการณ์ฟังก์ชัน 6/6 ครบทั้ง 3 รอบ ทั้ง 3 เวอร์ชันจัดเรียงเครื่องมือทั้ง 6 ชิ้นด้วยชื่อ สรุป กรณีใช้งาน แท็ก ราคา และแพลตฟอร์ม การบันทึกอัปเดตข้อความ Save/Saved ไอคอนที่คั่น จำนวน และโหมดเฉพาะรายการที่บันทึก; กรณีโหลดพลาด Storage เสื่อมสภาพ และฟอร์มผิดพลาดต่างมีทางกู้คืนครบ
run-2 ใช้แถบเน้นด้านบนหนา 4px บนการ์ดเครื่องมือซ้ำกันและวางเส้นขอบซ้ายรอบคำแนะนำกับสเปก การใช้หมวดหมู่ ตัวเลข และแท็กขนาด 12px ถี่ๆ ทำให้งานดูเป็นสูตรสำเร็จ ส่วนใน run-3 การ์ดเครื่องมือใบแรกบนมือถือเริ่มที่ราว 712px ทำให้เห็นแค่ส่วนหัวในการ์ดภายใน Viewport 844px และความสูงทั้งหน้าอยู่ที่ประมาณ 4695px ฟอร์ม Error ที่ยาวทั้งบนเดสก์ท็อปและมือถือต้องเลื่อนหาปุ่มส่งและยกเลิก แม้ผ่านการตรวจรับแต่การทำรายการให้จบยังไม่ตรงไปตรงมา
Impeccable 4.7.0: เฉลี่ย 88.0 พร้อมรายละเอียดไดเรกทอรีที่ผูกกับสถานะจริง
คะแนนด้านภาพได้ 88, 87 และ 89 โดยผ่านสถานการณ์ฟังก์ชัน 6/6 ครบทั้ง 3 รอบ run-1 ใช้รอยปรุ เส้นประ และรอยเย็บสร้างทิศทางแบบตัวอย่างบัตร/แท็กสีที่กลมกลืน ใน run-3 ส่วนทะเบียนแค็ตตาล็อกเปลี่ยนสไตล์เส้นตามการค้นหา การบันทึก และการกรอง ผูกงานตกแต่งเข้ากับสถานะจริงได้ลงตัว Feedback การบันทึกผสานข้อความ เครื่องหมาย สีเติม หรือเส้นขอบ ขณะที่ผลลัพธ์ว่างและการโหลดล้มเหลวต่างมีปุ่มขั้นตอนถัดไปให้
การหักคะแนนกระจุกอยู่ที่ความหนาแน่นและ Flow บนจอเล็ก ใน run-1 สรุป แท็ก และเมตาไม่ได้แชร์เส้นฐานเดียวกันระหว่างการ์ดในแถวเดียวกันเมื่อความยาวข้อความต่างกัน และเมตาขนาด 12px ดูเบาไป ส่วน run-2 รวม Header ที่สูงเข้ากับชั้นตัวกรองหลายชั้น ทำให้เหลือปุ่มใช้งานเครื่องมือน้อยลงใน Viewport มือถือแรก และหน้าเว็บยาวถึง 3149px อีกทั้งกล่อง Error บนมือถือหลายรอบยังต้องเลื่อนลงเพื่อกดยกเลิกและบันทึก
ภาคผนวก | ตัวเลือกปรับปรุง Oil UI 0.24.2: การทดลองติดตามผล 1 ครั้ง
ภาคผนวกนี้บันทึกการทดลองติดตามผล 1 ครั้งของตัวเลือกปรับปรุงอิสระที่ต่อยอดจาก Oil UI 0.24.2 โดยใช้ Kimi AgentSwarm กับ kimi-1021-preview เช่นเดิม ตัวเลือกนี้ไม่ใช่รุ่นทางการ อยู่นอกกลุ่มตัวอย่าง 15 รอบเดิม และไม่ได้เปลี่ยนแปลงหรือมาแทนที่ผลลัพธ์ชุดนั้น การทดลองเพียงครั้งเดียวไม่สามารถสรุปว่าเกิดการดีขึ้นโดยทั่วไปได้
การตรวจรับฟังก์ชันอิสระผ่าน 6/6 สถานการณ์ และการตรวจการโต้ตอบต่อเนื่องแบบขยายผ่าน 2/2 ตลอด 11 จุดตรวจ ผู้ประเมิน Blind Reviewer อิสระ 2 คนให้คะแนน 89 และ 90 เฉลี่ยได้ 179/2 = 89.5 ทั้งคู่ไม่ได้รัน Playwright ซ้ำ และหลักฐานด้านฟังก์ชันยังคงแยกจากคะแนนด้านภาพ หลักฐานโดยตรงครอบคลุมเฉพาะ Chromium ที่ 1440×900 และ 390×844 เท่านั้น ไม่รวมมือถือจริง ทุก Breakpoint เบราว์เซอร์อื่น หรือการตรวจ Accessibility เต็มรูปแบบ
- DOM และการเคลื่อนไหว: ไม่พบการเล่นซ้ำทั้งรายการระหว่างใช้งานต่อเนื่องหรือรีเฟรช
- ตลอดจุดตรวจต่อเนื่องทั้ง 11 จุด การ์ดที่คงอยู่บันทึกค่า sameOriginalNode=true แทนการสร้างทั้งชุดใหม่ บันทึก animationstart ของการ์ดและคำแนะนำว่างเปล่า และผู้ประเมินทั้งสองได้ตรวจวิดีโอการใช้งานต่อเนื่องแล้ว พบเพียง CSS Transition เฉพาะจุดบนปุ่มบันทึกที่บันทึกแยกไว้ ไม่ใช่การเล่นซ้ำทั้งรายการ หลังรีเฟรช การ์ดทั้ง 6 ใบที่กู้คืนและคำแนะนำมีค่า cssAnimations=0, restoreAnimationStarts ว่างเปล่า และทั้งสถานะที่บันทึกกับเนื้อหาคำแนะนำถูกกู้คืนครบ
- ปุ่มบนมือถือและลำดับชั้นทางสายตา
- เมื่อมี Error 4 จุดใน Viewport 390×844 ทั้งปุ่มยกเลิกและปุ่มส่งมีความสูง 48px โดยมีขอบล่างอยู่ที่ 819px จึงยังอยู่ใน Viewport ปุ่มทั้งสองเป็น Trusted Touch Click และการส่งที่แก้ไขแล้วคงอยู่หลังรีเฟรช Blind Reviewer ทั้งสองยืนยันว่ากล่อง Dialog และสรุป Error ไม่มีแถบเน้นหนาด้านบน ขณะที่ลำดับชั้นยังคงชัดเจน
- ข้อผิดพลาดเก่า ข้อความเล็ก และคอนทราสต์ Placeholder ยังต้องปรับปรุง
- หลังจากแก้ข้อมูลในช่องแล้วแต่ยังไม่กดส่งซ้ำ สรุป Error เก่าและ Error ระดับฟิลด์ยังคงแสดงอยู่ ซึ่งตรงกับพฤติกรรม Validation ตอนกดส่งไม่ใช่ความล้มเหลวเชิงฟังก์ชัน แต่ลดความทันท่วงทีของ Feedback ข้อความเสริมบางส่วนยังคงอยู่ที่ 9–11px ผู้ประเมิน A วัดคอนทราสต์ Placeholder ของช่องกรอกได้ราว 3.76:1 ซึ่งต่ำกว่าเกณฑ์ 4.5:1 สำหรับข้อความปกติ ทั้งนี้เป็นการสุ่มวัดเฉพาะจุด ไม่ใช่การตรวจคอนทราสต์ทั้งหน้า
กลุ่มควบคุมไม่ใช้ Skill: เฉลี่ย 84.3 ได้อินเทอร์เฟซที่ครบถ้วนแต่มีความล้มเหลว 2 รอบที่มองเห็นได้ชัด
คะแนนด้านภาพได้ 83, 86 และ 84 พื้นหลังกระดาษอุ่น การรันเลข และเส้นดัชนีสร้างเป็นไดเรกทอรีเครื่องมือที่เป็นระบบ พร้อมเลย์เอาต์ 3 คอลัมน์บนเดสก์ท็อปและ 1 คอลัมน์บนมือถือที่อ่านง่ายโดยรวม สถานะบันทึกและสถานะว่างมักใช้มากกว่าสีเพียงอย่างเดียว โมเดลพื้นฐานเองสามารถสร้างอินเทอร์เฟซที่ครบได้อยู่แล้วโดยไม่ต้องพึ่ง Skill การประเมินจึงต้องเทียบกันด้วยหลักฐานจริงไม่ใช่ทึกทักว่าได้ศูนย์
run-1 และ run-3 ไม่ผ่านการตรวจสอบข้อความ Toast แบบตรงตัวในชุดการโต้ตอบและความคงอยู่: กติกากำหนดข้อความว่า "Suggestion saved." แต่ข้อความจริงเติมเครื่องหมายถูกและช่องว่างเพิ่มเข้ามา ใน run-3 เครื่องหมายถูกนั้นติด aria-hidden ใน HTML ผลนี้จึงไม่ได้พิสูจน์ว่าฟีเจอร์แนะนำหรือการบันทึกข้อมูลพังทั้งหมด แต่ภายใต้กติกาที่ตรึงไว้ ทั้งสองรอบยังคงถือว่าไม่ผ่านที่ 5/6 และขั้นตอนหลังจุดที่ไม่ผ่านจะไม่นับว่าผ่านการตรวจรับ
ข้อความเสริมมีขนาดเล็กหรือจางเกินไปซ้ำหลายจุด ใน run-3 การคำนวณสีจากจุดตัวอย่างพบคอนทราสต์อ่อนในเลขลำดับเครื่องมือและ Placeholder และในกล่อง Error บนมือถือมองเห็นเพียงขอบบนของปุ่ม Action ด้านล่างเท่านั้น ใน run-1 ส่วนแนะนำและตัวกรองกินพื้นที่ส่วนใหญ่ของหน้าจอมือถือแรกไปแล้ว
โจทย์และเวอร์ชัน: CommonShelf Brief ชุดเดียวกัน
CommonShelf คือไดเรกทอรีเครื่องมือส่วนตัวที่ไม่มีระบบบัญชีผู้ใช้ ตัว Brief กำหนดรายการเครื่องมือคงที่ 6 รายการ และกำหนดให้เขียนด้วย HTML, CSS และ JavaScript ล้วน ครอบคลุมการค้นหา ตัวกรองหมวดหมู่และรายการที่บันทึกไว้ การกดบันทึกเครื่องมือ ฟอร์มแนะนำเครื่องมือที่มี Validation และ FAQ ที่ใช้งานด้วยคีย์บอร์ดได้ ยกเว้นลิงก์ทางการที่ผู้ใช้กดเปิดเอง หน้าเว็บจะไม่ยิง Request ออกภายนอกขณะรัน Agent แต่ละรอบส่งมอบ 1 แนวทางโดยไม่สร้างหลายแบบมาเลือก
เงื่อนไขที่ใช้ Skill จะอ่านเฉพาะไฟล์ SKILL.md ที่กำหนดให้ 1 ครั้ง ส่วนกลุ่มควบคุมจะไม่อ่านเลย เวอร์ชันทั้งหมดถูกตรึงไว้ก่อนการสร้าง ไม่ถูกแทนที่ด้วยรุ่น Global หรือรุ่นเสียเงิน และมีการระบุสัญญาอนุญาตพร้อมแหล่งที่มาไว้ครบถ้วน
| เงื่อนไข | เวอร์ชันที่ตรึงไว้ | สัญญาอนุญาต |
|---|---|---|
| Oil UI โอเพนซอร์ส | 0.24.2 (tag v0.24.2) | MIT |
| frontend-design | commit-dbd4588f9e1033efb41dad4bef2f7947c8993d44 | Apache-2.0 |
| UI UX Pro Max | 2.15.0 (tag v2.15.0) | MIT |
| Impeccable | 4.7.0 (tag skill-v4.7.0) | Apache-2.0 |
| กลุ่มควบคุมไม่ใช้ Skill | ไม่มี Skill ต้นทางหรือเวอร์ชัน | ไม่มีสัญญาอนุญาตต้นทาง |
วิธีทดสอบ: การสร้างอิสระ 15 รอบ โดยแยกหลักฐานด้านฟังก์ชันและด้านภาพออกจากกัน
ทุกรอบการสร้างใช้ Agent ใหม่ใน Kimi AgentSwarm ด้วยโมเดล kimi-1021-preview โดยตั้งค่า thinking effort ไว้ที่ max เงื่อนไขต่างๆ รันขนานกันได้ แต่ run-1, run-2 และ run-3 ภายในเงื่อนไขเดียวกันรันตามลำดับ แต่ละรอบเริ่มในพื้นที่ทำงานใหม่ ไม่สามารถอ่านหน้าเว็บ ภาพหน้าจอ หรือบทสนทนาของรอบอื่นได้ และไม่มีการเปลี่ยนผลลัพธ์ที่อ่อนกว่าออก ทั้งนี้การจัดคิวและการกู้คืนมีผลต่อเวลาทำงาน จึงไม่ได้นำเวลามาเปรียบเทียบ
หลังสร้างเสร็จ ตัวรันอิสระ Playwright 1.64.1 ได้ตรวจกลุ่มสถานการณ์ 6 ชุดใน Chromium ได้แก่ เดสก์ท็อปพื้นฐาน, มือถือพื้นฐาน, การโต้ตอบและความคงอยู่ของข้อมูล, กรณีโหลดเนื้อหาไม่ได้, กรณี Storage ใช้งานไม่ได้ และโหมดลดการเคลื่อนไหว ที่ขนาด 1440×900 และ 390×844 การตรวจรับไม่ได้ส่งกลับไปแก้ชิ้นงานที่สร้างแล้ว และคะแนนด้านภาพไม่ถือเป็นตัวชี้วัดว่าผ่านฟังก์ชัน
การประเมินด้านภาพใช้แพ็กเก็ตนิรนาม 15 ชุด โดยปิดบังชื่อเงื่อนไขและบันทึกขั้นตอนการสร้าง แต่ยังคงเปิดไฟล์รันไทม์ ภาพหน้าจอ และสถานะการตรวจรับไว้ แต่ละแพ็กเก็ตได้รับการประเมิน 1 ครั้ง คะแนนทั้ง 6 มิติจะถูกรวมสำหรับแต่ละรอบแล้วหาค่าเฉลี่ยจากทั้ง 3 รอบ คะแนนเต็มรวม 100 โดยไม่มีการถ่วงน้ำหนักเพิ่มหรือหยิบรอบที่คะแนนสูงสุดมาเป็นตัวแทน
| มิติการประเมิน | คะแนนเต็ม |
|---|---|
| ลำดับชั้นทางสายตาและความอ่านง่าย | 20 |
| ความสอดคล้องกับโปรดักต์และความแปลกใหม่ | 20 |
| พฤติกรรมแบบ Responsive | 15 |
| การโต้ตอบและการตอบสนองสถานะ | 20 |
| Accessibility | 15 |
| รายละเอียดและการเคลื่อนไหว | 10 |
ข้อจำกัด: หลักฐานนี้พิสูจน์อะไรได้บ้าง และพิสูจน์อะไรไม่ได้
การทดสอบนี้ครอบคลุมเฉพาะ CommonShelf Brief ภาษาอังกฤษแบบ Static หนึ่งชุด โมเดลเดียว และตัวอย่างสุดท้ายเงื่อนไขละ 3 ชิ้น เกณฑ์คะแนน 6 มิตินั้นยังคงอาศัยดุลยพินิจ: การประเมิน 1 ชุดตรงกับแพ็กเก็ตนิรนาม 1 ชุด ไม่ใช่งานวิจัยผู้ใช้ขนาดใหญ่หรือการทดลองนัยสำคัญทางสถิติ การเปลี่ยนโจทย์ ภาษาของเนื้อหา เฟรมเวิร์ก หรือโมเดล อาจให้ผลลัพธ์ที่ต่างออกไป
การตรวจรับฟังก์ชันครอบคลุม 6 กลุ่มสถานการณ์ที่กำหนดล่วงหน้าใน Chromium ไม่ใช่การตรวจสอบโปรดักต์เต็มรูปแบบ เลย์เอาต์แท็บเล็ตทั่วไปมีหลักฐานใน Stylesheet แต่ไม่มีภาพหน้าจอเฉพาะ Safari, Firefox, อุปกรณ์สัมผัสจริง, โปรแกรมอ่านหน้าจอ, การซูม 200% และการตรวจ WCAG เต็มรูปแบบยังไม่ได้ทำ ภาพนิ่งไม่สามารถอธิบายจังหวะแอนิเมชันต่อเนื่องได้: เฟรมโปร่งใสของ Oil UI run-3 พิสูจน์ปัญหาด้าน Feedback แต่ไม่ได้บอกคุณภาพของเฟรมหลังแอนิเมชันนิ่งแล้ว
เดโมสาธารณะเก็บรักษาหน้าเว็บจริงหลังการสร้างและความล้มเหลวเชิงฟังก์ชันไว้ทั้งหมด การขัดข้องทางเทคนิคและการกู้คืนตามโปรโตคอลไม่ได้ถูกนับเป็นความล้มเหลวเชิงฟังก์ชันของผู้เข้าทดสอบหรือใช้วัดเทียบเวลาทำงาน ซึ่งแยกส่วนจากการตรวจรับอิสระหลังการสร้าง
ทำซ้ำการทดสอบ: ตรวจดูหลักฐาน แล้วลองเปรียบเทียบด้วยตัวเอง
ใช้เดโม 15 ชิ้น ภาพเริ่มต้น 20 ภาพ และ results.json ด้านบนเพื่อตรวจสอบบทความนี้ หากต้องการรันซ้ำเพื่อเปรียบเทียบ ให้คง Brief เวอร์ชันที่ตรึงไว้ และโมเดลเดิม เริ่มด้วย Agent ใหม่ทุกครั้ง เก็บผลลัพธ์ทั้ง 3 รอบไว้ทั้งหมด และรันการตรวจรับอิสระหลังสร้างเสร็จ ไฟล์ข้อมูลสาธารณะเหมือนกับชุดที่ใช้ในเดโมทุกไบต์ ส่วน Prompt ด้านล่างเป็น Brief แบบย่อสำหรับรันซ้ำ ไม่ใช่ไฟล์โจทย์ต้นฉบับที่แช่แข็งไว้
คำสั่งติดตั้งโอเพนซอร์สจะติดตั้งเวอร์ชันล่าสุด ณ เวลาที่รัน ไม่ใช่ 0.24.2 เสมอไป หากต้องการเปรียบเทียบอย่างเคร่งครัด ให้บันทึกเวอร์ชันที่ติดตั้งและใช้ Commit ที่ตรึงไว้ในตาราง และถือเวอร์ชันใหม่เป็นการทดสอบชุดใหม่แทนการเขียนทับตัวเลขชุดนี้
ติดตั้ง Oil UI โอเพนซอร์สและบันทึกเลขเวอร์ชัน
ลองใช้ Skill โอเพนซอร์สกับงานของคุณเองก่อน ทั้งนี้ไม่ได้ใช้ Oil UI Pro ในการทดสอบ Benchmark นี้
npx skills add oil-oil/oil-uiรันการสร้างอิสระ 3 รอบต่อหนึ่งเงื่อนไข
ล็อกโมเดลและไฟล์ข้อมูลให้คงที่ เริ่มแต่ละรอบด้วย Agent และ Workspace ใหม่ ส่งมอบ 1 แนวทาง และห้ามนำเข้าหรือซ่อมแซมหน้าเว็บของรอบอื่น หรือเปลี่ยนผลลัพธ์ที่อ่อนกว่าออก
แยกการตรวจรับฟังก์ชันออกจากการประเมินภาพแบบนิรนาม
ตรวจกลุ่มสถานการณ์ 6 ชุดที่ 1440×900 และ 390×844 แล้วเก็บผลผ่านหรือไม่ผ่านทั้งหมดไว้ ซ่อนชื่อเงื่อนไขเมื่อประเมินภาพ ใช้เกณฑ์ 6 มิติชุดเดียวกัน และเผยแพร่ทุกผลลัพธ์ไม่ใช่แค่ค่าเฉลี่ย
Build one complete CommonShelf static web app with plain HTML, CSS and JavaScript. Use the supplied content.json unchanged. Make one coherent direction without asking for a selection. At 1440×900 and 390×844, the first viewport must help a visitor find, understand and save tools. Implement combined search, category and saved-only filters; local-storage saves; a validated suggestion dialog; exactly three keyboard-operable FAQ items; actionable content-unavailable and storage-unavailable states; visible focus; and reduced motion. Keep suggestions outside the curated tool grid. Make no external requests except user-activated official links. Do not import another run or replace a weak result. Preserve every failure, then independently verify the actual page and review anonymized screenshots and runtime files.นี่คือ Brief แบบย่อสำหรับการรันซ้ำเพื่อเปรียบเทียบ การทำซ้ำอย่างเคร่งครัดยังต้องใช้เวอร์ชันที่ตรึงไว้ด้านบน กลุ่มสถานการณ์ตรวจรับ 6 ชุด และเกณฑ์คะแนนเดียวกัน
ตัวอย่างจริงและ Prompt จากแกลเลอรี
ดูคอลเลกชันทั้งหมด →เริ่มด้วยโอเพนซอร์สฟรี อัปเกรดเป็น Oil UI Pro สำหรับแอปโปรดักชันและการปรับปรุงโปรเจกต์เดิม
Benchmark นี้ทดสอบเฉพาะรุ่นโอเพนซอร์สฟรีในโหมดสั่งครั้งเดียว เมื่อคุณต้องการเลือกแนวทางแบบเคียงข้างกัน การปรับปรุงโค้ดเบสเดิม 3 ระดับอย่างปลอดภัย เทมเพลตพื้นที่ทำงานซับซ้อน 10 แบบ และ Blind Review สูงสุด 3 รอบที่เป้าหมายคุณภาพ 9/10 สามารถอัปเกรดเป็น Oil UI Pro ($19.99 จ่ายครั้งเดียว อัปเดตตลอดชีพ)
ดู Oil UI Pro →npx github:oil-oil/oil-cli install oil-ui-proคำถามที่พบบ่อย
ผลเปรียบเทียบนี้ตัดสินให้เลยได้ไหมว่าควรติดตั้ง Skill ตัวไหน?
อย่าตัดสินจากค่าเฉลี่ยเพียงอย่างเดียว ให้เทียบลำดับชั้นของแค็ตตาล็อก การใช้งานปุ่มบนมือถือ การเคลื่อนไหว ความล้มเหลวเชิงฟังก์ชัน และสัญญาอนุญาตของซอร์สโค้ด จากนั้นเปิดดูเดโมจริงที่ตรงกับสิ่งที่คุณให้ความสำคัญ
ทำไม Oil UI run-3 ได้คะแนนภาพ 83 ทั้งที่ผ่านทุกสถานการณ์ฟังก์ชัน?
การตรวจรับฟังก์ชันยืนยันว่าพฤติกรรมที่กำหนดไว้ทำงานได้ ส่วนการประเมินด้านภาพจะตรวจการตอบสนองทางสายตาด้วย ทุกครั้งที่การ์ดถูกสร้างใหม่ในรอบนี้ แอนิเมชันจะเล่นซ้ำจากความโปร่งใส ทำให้พื้นที่ผลลัพธ์แทบว่างเปล่าในภาพแคปตอนค้นหา บันทึก และรีเฟรชคำแนะนำหลายภาพ ข้อบกพร่องด้าน Feedback ที่มองเห็นได้ชัดเจนนี้จึงทำให้ได้ 83 คะแนน แต่ไม่ได้พิสูจน์ว่าข้อมูลสูญหายถาวร
การไม่ผ่าน 2 รอบของกลุ่มไม่ใช้ Skill แปลว่าระบบบันทึกพังทั้งหมดใช่ไหม?
ไม่ใช่ ทั้งสองรอบไม่ผ่านการตรวจข้อความ Toast แบบตรงตัวเนื่องจากข้อความจริงเติมเครื่องหมายถูกและช่องว่างเพิ่มเข้ามา นั่นไม่ได้แปลว่าระบบบันทึกหรือการเก็บข้อมูลพังทั้งหมด แต่ถือว่าผิดสัญญาที่กำหนดไว้ล่วงหน้า ทั้งสองรอบจึงยังคงสถานะไม่ผ่านที่ 5/6
จะตรวจสอบตัวเลขและหน้าจอทั้งหมดในบทความนี้ได้อย่างไร?
ดาวน์โหลด results.json เพื่อดูคะแนน 6 มิติ ผลรวม และผลฟังก์ชันของทุกรอบ จากนั้นเปิดดูภาพเริ่มต้นบนเดสก์ท็อป 3 ภาพ ภาพมือถือ 1 ภาพ และเดโมจริง 3 ชุดของแต่ละผู้เข้าทดสอบ ภาพมือถือทุกภาพมาจาก run-1 ไม่มีการสับเปลี่ยนเอารอบที่คะแนนสูงกว่ามาแทน และไม่มีภาพหน้าจอฟอร์มใดถูกใช้เป็นภาพหลัก

























