Oil UI
So sánh 4 AI UI Skill phổ biến · 15 lượt chạy thật & Demo trực tiếpXem ngay 4 giao diện ↓

Oil UI, frontend-design, Impeccable & UI UX Pro Max: Thử nghiệm 15 lượt

UI Design Skill nào thực sự tạo ra màn hình dùng được bên trong Claude Code hoặc Codex? Chúng tôi đưa đúng một đề bài sản phẩm giống hệt nhau cho bốn UI Skill mã nguồn mở phổ biến nhất — Oil UI, frontend-design của Anthropic, UI UX Pro Max và Impeccable — cộng thêm nhóm đối chứng Không dùng Skill. Hãy so sánh màn hình đã render và mở trực tiếp các bản demo cạnh nhau bên dưới.

Điểm chính

Bất kỳ UI Skill chuyên biệt nào cũng vượt trội prompt trần

Khi không có skill, model đạt trung bình 84.3 và trượt kiểm tra chức năng ở 2 trong 3 lượt; cả bốn UI Skill đều đạt 12/12 lượt chức năng.

Mỗi Skill mang một cá tính riêng

frontend-design của Anthropic và Impeccable mạnh ở tạo kiểu trang đơn, UI UX Pro Max thiên về các thẻ SaaS quen thuộc, còn Oil UI tập trung vào so sánh nhiều hướng và blind review ảnh chụp màn hình (đạt 89.5 trong thử nghiệm tiếp nối).

Điểm chính 3

Bắt đầu miễn phí cho trang đơn, nâng cấp Pro cho ứng dụng production: Skill mã nguồn mở miễn phí xử lý tốt các trang độc lập; nâng cấp lên Oil UI Pro ($19.99 mua một lần) để cải tạo codebase cũ, xây workspace phức tạp và chạy blind review 3 vòng hướng tới 9/10.

So sánh trang thực tế

Oil UI

v0.24.20.24.2

Bản mã nguồn mở của thư viện · so sánh đa hướng + đánh giá mù ảnh chụp

88/100
TB 3 lần 87.0

✓ Điểm mạnhThông tin công cụ và phản hồi rõ ràng

△ Giới hạnTác vụ một trang chưa kiểm chứng so sánh đa hướng

Kiểm tra chức năng 6/6 đạtMở trang này

frontend-design

Anthropiccommit-dbd4588f9e1033efb41dad4bef2f7947c8993d44

Ví dụ chính thức của Anthropic · hướng dẫn phong cách một trang

87/100
TB 3 lần 88.0

✓ Điểm mạnhĐịnh hướng thị giác kệ công cụ nhất quán

△ Giới hạnĐường viền lặp lại khiến thẻ hơi nặng nề

Kiểm tra chức năng 6/6 đạtMở trang này

UI UX Pro Max

v2.15.02.15.0

Thư viện quy tắc cộng đồng phổ biến · mẫu thẻ SaaS chuẩn

86/100
TB 3 lần 86.7

✓ Điểm mạnhDanh mục và bộ lọc đầy đủ

△ Giới hạnPhần đầu trang di động cao làm thẻ công cụ lộ ra muộn

Kiểm tra chức năng 6/6 đạtMở trang này

Impeccable

v4.7.04.7.0

Bộ prompt tinh chỉnh frontend · thẻ vé tối màu và chi tiết trạng thái

88/100
TB 3 lần 88.0

✓ Điểm mạnhThẻ vé nổi bật và chi tiết trạng thái rõ nét

△ Giới hạnCăn chỉnh các thẻ cùng hàng hơi lệch nhẹ

Kiểm tra chức năng 6/6 đạtMở trang này

Tổng quan kết quả

Không dùng Skill

84.3 · trung bình 3 lần

2/3 lần chuỗi xác nhận lưu không khớp văn bản kỳ vọng.

Mở demo ↗

Bốn Skill

86.7–88.0 · trung bình 3 lần mỗi loại

Cả 12 lượt kiểm tra chức năng đều đạt.

Ứng viên tối ưu Oil UI

89.5 · trung bình đánh giá mù

Ba hướng thiết kế, dự án có sẵn và đánh giá mù lặp lại; một thử nghiệm đơn lẻ, không phải bản cập nhật chính thức.

Đọc báo cáo ↗
Xem hồ sơ chi tiết ↗
Oil UI (mã nguồn mở) · Miễn phí
npx skills add oil-oil/oil-ui

Kết quả: điểm từng lượt chạy và kết quả chức năng

Tổng điểm thị giác trên thang 100 và nghiệm thu chức năng độc lập cho cả 15 lượt
Điều kiệnrun-1run-2run-3Tổng 3 lượtTrung bìnhChức năng
Oil UI mã nguồn mở88 · đạt90 · đạt83 · đạt261/30087.03/3 đạt
frontend-design87 · đạt87 · đạt90 · đạt264/30088.03/3 đạt
UI UX Pro Max86 · đạt88 · đạt86 · đạt260/30086.73/3 đạt
Impeccable88 · đạt87 · đạt89 · đạt264/30088.03/3 đạt
Đối chứng Không dùng Skill83 · trượt86 · đạt84 · trượt253/30084.31/3 đạt, 2 trượt

Toàn bộ 15 lượt sinh và đánh giá thị giác ẩn danh đều hoàn tất; nghiệm thu chức năng đạt ở 13 lượt và trượt ở 2 lượt. Điểm trung bình lấy tổng ba lượt chia cho ba và hiển thị tới một chữ số thập phân, nên UI UX Pro Max là 260/3 còn Không dùng Skill là 253/3. Tệp JSON công khai chứa đầy đủ điểm sáu chiều, kết quả chức năng và URL tài nguyên công khai.

Cách chọn theo nhu cầu: chọn frontend-design (88.0) hoặc Impeccable (88.0) để tạo kiểu nhanh cho trang đơn, UI UX Pro Max (86.7) cho danh mục thẻ SaaS quen thuộc, và Oil UI (87.0 ở bản 0.24.2; 89.5 ở thử nghiệm ứng viên tiếp nối) khi bạn cần bảng so sánh nhiều hướng, blind review ảnh chụp màn hình hoặc quy trình cải tạo dự án sẵn có của Oil UI Pro.

Oil UI mã nguồn mở 0.24.2: 87.0, lượt run-3 mất điểm vì lặp lại trạng thái trong suốt

Điểm thị giác lần lượt là 88, 90 và 83, với 6/6 kịch bản chức năng đều đạt ở mỗi lượt. Cả ba bản đều đặt tìm kiếm, bộ lọc và sáu công cụ làm trung tâm, với thứ tự thông tin thẻ ổn định. Thao tác lưu cập nhật chữ, icon hoặc hình dạng, màu tô và bộ đếm; kết quả trống có nút đặt lại, lỗi tải có nút thử lại, và lỗi biểu mẫu gồm cả tóm tắt lẫn hướng dẫn sửa theo từng trường.

Ở run-1, biểu mẫu dài trên di động cần cuộn mới lộ hết hàng nút hành động sau khi hiện lỗi, và một vài ảnh chụp bắt trúng các thẻ phía sau gần như trong suốt khi đang đi vào. Run-2 phát triển hệ thống index-rule dùng chung và tab đã lưu mạch lạc hơn, nhưng hiệu ứng xuất hiện 420ms lại tạo ra các khung hình nhạt mờ trong ảnh chụp tìm kiếm và làm mới đề xuất. Chữ phụ monospace cỡ nhỏ cũng khiến các trang dài khó đọc hơn.

Ở run-3, mỗi lần renderTools() dựng lại danh sách đều phát lại hoạt ảnh card-in 180ms từ opacity: 0. Một ảnh chụp tìm kiếm hiển thị “1 tool” nhưng không thấy thẻ kết quả nào, trong khi các ảnh tìm kiếm trên di động, làm mới mục đã lưu và làm mới đề xuất cho thấy thẻ gần như trong suốt. Dù nghiệm thu chức năng đạt, việc liên tục ẩn nội dung chính trong lúc lọc thông thường làm gián đoạn phản hồi nên lượt này bị chấm 83. Các khung hình đó không chứng minh dữ liệu bị mất vĩnh viễn.

Oil UI mã nguồn mở CommonShelf lượt 1, khung nhìn desktop ban đầu
Oil UI mã nguồn mở · run-1 · desktop ban đầu (1440×900); thị giác 88/100, chức năng 6/6 đạt.
Oil UI mã nguồn mở CommonShelf lượt 1, khung nhìn di động ban đầu
Oil UI mã nguồn mở · run-1 · di động ban đầu (390×844); thị giác 88/100, chức năng 6/6 đạt.
Oil UI mã nguồn mở CommonShelf lượt 2, khung nhìn desktop ban đầu
Oil UI mã nguồn mở · run-2 · desktop ban đầu (1440×900); thị giác 90/100, chức năng 6/6 đạt.
Oil UI mã nguồn mở CommonShelf lượt 3, khung nhìn desktop ban đầu
Oil UI mã nguồn mở · run-3 · desktop ban đầu (1440×900); thị giác 83/100, chức năng 6/6 đạt.

frontend-design: 88.0, ngôn ngữ ngăn bàn làm việc nhất quán nhưng lặp lại điểm nhấn

Điểm thị giác lần lượt là 87, 87 và 90, với 6/6 kịch bản chức năng đều đạt mỗi lượt. Run-1 tạo nên một “ngăn bàn làm việc” từ nền xám lạnh, giấy nhãn, đường kẻ giá sách vẽ tay, dấu trang và biểu tượng công cụ riêng biệt, giữ trọng tâm vào tóm tắt và tình huống sử dụng. Thao tác lưu đổi chữ, màu tô dấu trang và màu bề mặt; thẻ di động đầu tiên và nút thao tác khi biểu mẫu lỗi đều hiển thị trọn vẹn.

Run-2 giữ được phân cấp rõ ràng nhưng kết hợp thanh trên 6px của thẻ công cụ, đường chân thẻ đậm và vạch kẻ trái quanh bộ lọc lẫn đề xuất, khiến thiết kế nặng nề hơn về thị giác. Hộp thoại lỗi trên di động đặt nút hủy và lưu bên dưới khung nhìn ban đầu 844px, buộc phải cuộn. Run-3 cũng lặp lại các đường kẻ trái màu xanh dương và dùng nhãn, metadata cỡ nhỏ. Điểm trung bình bằng với Impeccable, nhưng màn hình và điểm yếu khác nhau.

frontend-design CommonShelf lượt 1, khung nhìn desktop ban đầu
frontend-design · run-1 · desktop ban đầu (1440×900); thị giác 87/100, chức năng 6/6 đạt.
frontend-design CommonShelf lượt 1, khung nhìn di động ban đầu
frontend-design · run-1 · di động ban đầu (390×844); thị giác 87/100, chức năng 6/6 đạt.
frontend-design CommonShelf lượt 2, khung nhìn desktop ban đầu
frontend-design · run-2 · desktop ban đầu (1440×900); thị giác 87/100, chức năng 6/6 đạt.
frontend-design CommonShelf lượt 3, khung nhìn desktop ban đầu
frontend-design · run-3 · desktop ban đầu (1440×900); thị giác 90/100, chức năng 6/6 đạt.

UI UX Pro Max 2.15.0: 86.7, trạng thái đầy đủ nhưng bị kìm bởi mật độ di động và vị trí nút

Điểm thị giác lần lượt là 86, 88 và 86, với 6/6 kịch bản chức năng đều đạt mỗi lượt. Cả ba phiên bản đều sắp xếp sáu công cụ theo tên, tóm tắt, tình huống dùng, thẻ tag, giá và nền tảng. Thao tác lưu cập nhật chữ Save/Saved, dấu trang, bộ đếm và chế độ chỉ hiện Đã lưu; lỗi tải, suy giảm bộ nhớ và lỗi biểu mẫu đều có hướng khôi phục.

Run-2 lặp lại viền nhấn trên 4px ở thẻ công cụ cùng vạch kẻ trái quanh phần đề xuất và đặc tả; việc lặp dày các danh mục, con số và thẻ tag cỡ 12px khiến cách xử lý có phần công thức. Ở run-3, thẻ công cụ đầu tiên trên di động bắt đầu ở khoảng 712px, chỉ lộ phần mép trên trong khung nhìn 844px, và chiều cao toàn trang lên tới khoảng 4695px. Biểu mẫu báo lỗi dài trên cả desktop và di động đều đòi hỏi cuộn mới thấy nút gửi và nút hủy; chúng vượt qua bài kiểm tra, nhưng việc hoàn thành kém trực diện hơn.

UI UX Pro Max CommonShelf lượt 1, khung nhìn desktop ban đầu
UI UX Pro Max · run-1 · desktop ban đầu (1440×900); thị giác 86/100, chức năng 6/6 đạt.
UI UX Pro Max CommonShelf lượt 1, khung nhìn di động ban đầu
UI UX Pro Max · run-1 · di động ban đầu (390×844); thị giác 86/100, chức năng 6/6 đạt.
UI UX Pro Max CommonShelf lượt 2, khung nhìn desktop ban đầu
UI UX Pro Max · run-2 · desktop ban đầu (1440×900); thị giác 88/100, chức năng 6/6 đạt.
UI UX Pro Max CommonShelf lượt 3, khung nhìn desktop ban đầu
UI UX Pro Max · run-3 · desktop ban đầu (1440×900); thị giác 86/100, chức năng 6/6 đạt.

Impeccable 4.7.0: 88.0, chi tiết danh bạ gắn với trạng thái thật

Điểm thị giác lần lượt là 88, 87 và 89, với 6/6 kịch bản chức năng đều đạt mỗi lượt. Run-1 dùng lỗ đục răng cưa, đường kẻ nét đứt và vết khâu để tạo thành một hướng mẫu thẻ vé nhất quán. Ở run-3, thanh ghi Catalog thay đổi kiểu đường kẻ theo tìm kiếm, lưu và lọc, gắn phần trang trí với trạng thái thật. Phản hồi khi lưu kết hợp chữ, dấu hiệu, màu tô hoặc viền, trong khi kết quả trống và lỗi tải đều đưa ra hành động tiếp theo.

Điểm trừ tập trung vào mật độ và luồng màn hình nhỏ. Ở run-1, phần tóm tắt, thẻ tag và metadata không thẳng đường cơ sở giữa các thẻ cùng hàng khi độ dài nội dung khác nhau, và metadata 12px hơi yếu. Run-2 kết hợp phần đầu trang cao với nhiều tầng lọc, khiến số thao tác công cụ thấy được trong khung nhìn di động đầu tiên ít đi và tạo ra trang cao 3149px. Một số hộp thoại lỗi trên di động cũng cần cuộn mới lộ nút hủy và lưu.

Impeccable CommonShelf lượt 1, khung nhìn desktop ban đầu
Impeccable · run-1 · desktop ban đầu (1440×900); thị giác 88/100, chức năng 6/6 đạt.
Impeccable CommonShelf lượt 1, khung nhìn di động ban đầu
Impeccable · run-1 · di động ban đầu (390×844); thị giác 88/100, chức năng 6/6 đạt.
Impeccable CommonShelf lượt 2, khung nhìn desktop ban đầu
Impeccable · run-2 · desktop ban đầu (1440×900); thị giác 87/100, chức năng 6/6 đạt.
Impeccable CommonShelf lượt 3, khung nhìn desktop ban đầu
Impeccable · run-3 · desktop ban đầu (1440×900); thị giác 89/100, chức năng 6/6 đạt.

Phụ lục | Ứng viên tối ưu Oil UI 0.24.2: một thử nghiệm tiếp nối

Phụ lục này ghi lại một thử nghiệm tiếp nối của một ứng viên tối ưu độc lập dựa trên Oil UI 0.24.2, tiếp tục dùng Kimi AgentSwarm với kimi-1021-preview. Ứng viên này không phải bản phát hành chính thức, nằm ngoài mẫu 15 lượt ban đầu và không làm thay đổi hay thay thế các kết quả đó; một lần thử không chứng minh được mức cải thiện tổng quát.

Nghiệm thu chức năng độc lập đạt 6/6 kịch bản, và kiểm tra tương tác liên tục mở rộng đạt 2/2 qua 11 điểm kiểm tra. Hai reviewer mù độc lập chấm 89 và 90, trung bình 179/2 = 89.5. Họ không chạy lại Playwright, và bằng chứng chức năng vẫn tách biệt khỏi điểm thị giác. Bằng chứng trực tiếp chỉ bao phủ Chromium ở 1440×900 và 390×844, chưa bao gồm điện thoại thật, mọi điểm ngắt, các trình duyệt khác hay kiểm toán accessibility hoàn chỉnh.

DOM và chuyển động: không ghi nhận phát lại toàn danh sách khi thao tác liên tục hoặc khôi phục
Qua cả 11 điểm kiểm tra liên tục, các thẻ giữ lại đều ghi nhận sameOriginalNode=true thay vì dựng lại cả bộ. Bản ghi animationstart của thẻ và đề xuất đều trống, và cả hai reviewer đều đã xem video tương tác liên tục. Một CSS Transition cục bộ trên nút lưu được ghi nhận riêng, không phải phát lại toàn danh sách. Sau khi tải lại trang, cả sáu thẻ được khôi phục lẫn mục đề xuất đều có cssAnimations=0, restoreAnimationStarts trống, và cả trạng thái đã lưu lẫn nội dung đề xuất đều được khôi phục.
Thao tác trên di động và phân cấp thị giác
Với bốn lỗi trong khung nhìn 390×844, cả hai nút hủy và gửi đều cao 48px với cạnh dưới ở 819px, nằm gọn trong khung nhìn. Cả hai nút đều nhận lượt chạm tin cậy (trusted touch click), và lần gửi đã sửa lỗi được giữ sau khi tải lại trang. Cả hai reviewer mù đều xác nhận hộp thoại và tóm tắt lỗi không có thanh nhấn dày phía trên, trong khi phân cấp vẫn rõ ràng.
Lỗi cũ, chữ nhỏ và độ tương phản placeholder vẫn cần cải thiện
Sau khi các trường đã được sửa đúng và trước lần gửi tiếp theo, tóm tắt lỗi cũ và lỗi từng trường vẫn tiếp tục hiển thị. Điều này khớp với cơ chế kiểm tra lúc gửi chứ không phải lỗi chức năng, nhưng làm giảm tính kịp thời của phản hồi. Một số chữ phụ vẫn ở cỡ 9–11px. Reviewer A đo độ tương phản placeholder của ô nhập ở khoảng 3.76:1, thấp hơn mức tham chiếu 4.5:1 cho chữ thường; đây là phép đo điểm cục bộ, không phải kiểm toán độ tương phản toàn diện.
Giao diện CommonShelf desktop ban đầu cho ứng viên tối ưu Oil UI 0.24.2 độc lập
Ứng viên tối ưu độc lập · desktop ban đầu (1440×900); một thử nghiệm tiếp nối ngoài so sánh 15 lượt ban đầu.
Giao diện CommonShelf di động ban đầu cho ứng viên tối ưu Oil UI 0.24.2 độc lập
Ứng viên tối ưu độc lập · di động ban đầu (390×844); không phải bản phát hành mới chính thức.

Đối chứng Không dùng Skill: 84.3, giao diện hoàn chỉnh song song hai lỗi vẫn lộ rõ

Điểm thị giác lần lượt là 83, 86 và 84. Nền giấy ấm, đánh số và đường chỉ mục tạo nên danh bạ công cụ mạch lạc, với bố cục ba cột desktop và một cột di động nhìn chung rõ ràng; trạng thái đã lưu và trạng thái trống thường dùng nhiều hơn chỉ mỗi màu sắc. Bản thân model nền đã có thể tạo giao diện hoàn chỉnh mà không cần Skill, nên việc đánh giá cần đối chiếu cụ thể chứ không giả định điểm bằng không.

Run-1 và run-3 trượt phép kiểm tra văn bản Toast chính xác trong kịch bản tương tác và lưu bền vững: hợp đồng kiểm thử kỳ vọng “Suggestion saved.” trong khi văn bản thực tế lại thêm dấu tích và khoảng trắng. Ở run-3, dấu tích đó được đặt aria-hidden trong HTML, nên kết quả không chứng minh phần đề xuất hay lưu bền vững hỏng hoàn toàn. Tuy nhiên theo hợp đồng cố định, cả hai lượt vẫn bị tính trượt ở mức 5/6, và các bước sau khẳng định bị lỗi không được tính là đã nghiệm thu.

Chữ phụ nhiều lần quá nhỏ hoặc nhạt. Ở run-3, phép tính màu lấy mẫu phát hiện độ tương phản yếu ở số thứ tự công cụ và placeholder, và chỉ mép trên của hàng nút đáy trong hộp thoại lỗi di động hiện ra ban đầu. Ở run-1, phần giới thiệu và bộ lọc chiếm hết phần lớn màn hình di động đầu tiên.

Đối chứng Không dùng Skill CommonShelf lượt 1, khung nhìn desktop ban đầu
Đối chứng Không dùng Skill · run-1 · desktop ban đầu (1440×900); thị giác 83/100, chức năng 5/6 trượt.
Đối chứng Không dùng Skill CommonShelf lượt 1, khung nhìn di động ban đầu
Đối chứng Không dùng Skill · run-1 · di động ban đầu (390×844); thị giác 83/100, chức năng 5/6 trượt.
Đối chứng Không dùng Skill CommonShelf lượt 2, khung nhìn desktop ban đầu
Đối chứng Không dùng Skill · run-2 · desktop ban đầu (1440×900); thị giác 86/100, chức năng 6/6 đạt.
Đối chứng Không dùng Skill CommonShelf lượt 3, khung nhìn desktop ban đầu
Đối chứng Không dùng Skill · run-3 · desktop ban đầu (1440×900); thị giác 84/100, chức năng 5/6 trượt.

Đề bài và phiên bản: một đề bài CommonShelf duy nhất

CommonShelf là danh bạ công cụ cá nhân không có luồng tài khoản. Đề bài cung cấp sáu bản ghi công cụ cố định và yêu cầu triển khai bằng HTML, CSS và JavaScript thuần các tính năng tìm kiếm, bộ lọc danh mục và trạng thái đã lưu, lưu công cụ, hộp thoại đề xuất có kiểm tra hợp lệ và mục FAQ điều khiển được bằng bàn phím. Ngoại trừ liên kết chính thức do người dùng chủ động bấm, trang không thực hiện yêu cầu mạng bên ngoài khi chạy. Mỗi agent chỉ xuất ra một hướng thay vì tạo nhiều phương án rồi chọn một.

Mỗi nhóm điều kiện Skill chỉ đọc duy nhất tệp SKILL.md được gán một lần; nhóm đối chứng không đọc skill nào. Phiên bản được ghim trước khi sinh mã, không thay bằng bản toàn cục hay bản trả phí, và giấy phép được liệt kê cùng nguồn gốc.

Bốn phiên bản Skill được ghim và nhóm đối chứng Không dùng Skill trong thử nghiệm này
Điều kiệnPhiên bản ghimGiấy phép
Oil UI mã nguồn mở0.24.2 (tag v0.24.2)MIT
frontend-designcommit-dbd4588f9e1033efb41dad4bef2f7947c8993d44Apache-2.0
UI UX Pro Max2.15.0 (tag v2.15.0)MIT
Impeccable4.7.0 (tag skill-v4.7.0)Apache-2.0
Đối chứng Không dùng SkillKhông có Skill hoặc phiên bản nguồnKhông có giấy phép nguồn

Phương pháp: 15 lượt sinh độc lập, tách bạch bằng chứng chức năng và thị giác

Mỗi lượt sinh đều dùng một agent mới tinh trong Kimi AgentSwarm với kimi-1021-preview và mức suy luận đặt ở max. Các điều kiện có thể chạy song song, nhưng run-1, run-2 và run-3 trong cùng một điều kiện chạy tuần tự. Mỗi lượt bắt đầu trong workspace mới, không được đọc trang, ảnh chụp hay hội thoại của lượt khác và không thay thế kết quả yếu hơn. Do lịch điều phối và khôi phục ảnh hưởng đến thời gian trôi qua nên thời gian chạy không được đưa vào so sánh.

Sau khi sinh mã, một bộ chạy Playwright 1.64.1 độc lập kiểm tra sáu nhóm kịch bản trên Chromium: nền tảng desktop, nền tảng di động, tương tác và lưu bền vững, nội dung không khả dụng, bộ nhớ không khả dụng và giảm chuyển động, tại kích thước 1440×900 và 390×844. Bước nghiệm thu không đưa lỗi ngược lại để sửa sản phẩm đã sinh, và điểm thị giác không được tính thay cho đạt chức năng.

Phần đánh giá thị giác sử dụng 15 gói ẩn danh đã che danh tính điều kiện và hồ sơ quá trình sinh mã, trong khi vẫn giữ tệp chạy thực tế, ảnh chụp màn hình và trạng thái nghiệm thu. Mỗi gói nhận đúng một lượt đánh giá. Điểm sáu chiều được cộng lại cho từng lượt chạy rồi lấy trung bình cộng ba lượt; tổng các chiều là 100, không nhân trọng số thêm hay chọn lượt điểm cao đại diện cho các lượt khác.

Sáu chiều chấm điểm dùng trong đánh giá thị giác ẩn danh
Tiêu chíĐiểm tối đa
Phân cấp thị giác và độ dễ đọc20
Độ phù hợp sản phẩm và tính độc đáo20
Hành vi responsive15
Tương tác và phản hồi trạng thái20
Khả năng truy cập (Accessibility)15
Chi tiết và chuyển động10

Giới hạn: bằng chứng này chứng minh được gì và không chứng minh được gì

Thử nghiệm chỉ bao phủ một đề bài CommonShelf tĩnh bằng tiếng Anh, một model và ba mẫu cuối cho mỗi điều kiện. Thang chấm sáu chiều vẫn mang tính đánh giá: một lượt chấm ứng với một gói ẩn danh, không phải nghiên cứu người dùng quy mô lớn hay thực nghiệm có ý nghĩa thống kê. Đề bài, ngôn ngữ nội dung, framework hoặc model khác có thể làm thay đổi kết quả.

Nghiệm thu chức năng chỉ kiểm tra sáu nhóm kịch bản Chromium định sẵn, không phải kiểm toán sản phẩm toàn diện. Bố cục máy tính bảng thông thường có bằng chứng trong stylesheet nhưng không có ảnh chụp riêng. Safari, Firefox, thiết bị cảm ứng thật, trình đọc màn hình, phóng đại 200% và kiểm tra WCAG đầy đủ chưa được thực hiện. Ảnh tĩnh cũng không thể diễn tả nhịp thời gian hoạt ảnh liên tục: các khung hình trong suốt ở Oil UI run-3 chứng minh lỗi phản hồi, chứ không phản ánh chất lượng khung hình sau khi hoạt ảnh đã dừng hẳn.

Các bản demo công khai giữ nguyên trang thực tế sau khi sinh và các lỗi chức năng. Gián đoạn kỹ thuật và khôi phục theo giao thức không bị tính là lỗi chức năng của ứng viên hay dùng để so sánh thời gian chạy; chúng tách biệt với nghiệm thu độc lập sau khi sinh mã.

Tái lập: kiểm tra bằng chứng, rồi tự chạy phép so sánh của bạn

Hãy dùng 15 bản demo, 20 ảnh ban đầu và results.json ở trên để kiểm chứng bài viết này. Để chạy lại có thể so sánh được, hãy giữ nguyên đề bài, các phiên bản đã ghim và model; khởi tạo agent mới ở mỗi lượt; giữ lại cả ba đầu ra; và chạy nghiệm thu độc lập sau khi sinh mã. Tệp nội dung công khai khớp từng byte với bản phục vụ cùng demo. Prompt bên dưới là bản đề bài rút gọn để chạy lại, không phải tệp tác vụ đóng băng ban đầu.

Lệnh cài bản mã nguồn mở sẽ cài phiên bản mới nhất tại thời điểm chạy, không nhất thiết là 0.24.2. Để so sánh chặt chẽ, hãy ghi nhận phiên bản đã cài và dùng các commit đã ghim trong bảng. Coi phiên bản mới hơn là một bài kiểm thử mới thay vì ghi đè lên các con số này.

  1. Cài đặt Oil UI mã nguồn mở và ghi nhận phiên bản

    Hãy thử Skill mã nguồn mở trên tác vụ của chính bạn trước. Oil UI Pro không được dùng trong benchmark này.

    npx skills add oil-oil/oil-ui
  2. Chạy ba lượt sinh độc lập cho mỗi điều kiện

    Giữ cố định model và dữ liệu nội dung. Bắt đầu mỗi lượt với agent và workspace mới tinh, chỉ bàn giao một hướng và tuyệt đối không nhập hoặc sửa trang của lượt khác hay thay kết quả yếu hơn.

  3. Tách bạch nghiệm thu chức năng khỏi đánh giá thị giác ẩn danh

    Kiểm tra sáu nhóm kịch bản ở 1440×900 và 390×844 và giữ nguyên mọi kết quả đạt hoặc trượt. Che danh tính điều kiện khi chấm thị giác, áp cùng sáu chiều điểm và công bố mọi kết quả chứ không chỉ số trung bình.

Đề bài rút gọn để chạy lại (giữ nguyên tiếng Anh để giảm sai lệch diễn đạt lại tác vụ)
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.

Đây là đề bài rút gọn cho một lần chạy lại có thể đối chiếu. Để tái lập nghiêm ngặt còn cần các phiên bản đã ghim ở trên, sáu nhóm kịch bản nghiệm thu và cùng thang chấm điểm.

Ví dụ thực tế & prompt trong thư viện

Xem bộ sưu tập →
Oil UI Pro

Bắt đầu với bản mã nguồn mở miễn phí; nâng cấp Oil UI Pro cho ứng dụng production & cải tạo dự án cũ

Benchmark này chỉ kiểm thử bản nền mã nguồn mở miễn phí ở chế độ chạy một lần. Khi bạn cần chọn hướng thiết kế đặt cạnh nhau, cải tạo codebase sẵn có an toàn theo 3 bước, 10 mẫu workspace phức tạp và tối đa 3 vòng blind review hướng tới chất lượng 9/10, hãy nâng cấp lên Oil UI Pro ($19.99 mua một lần, cập nhật trọn đời).

Khám phá Oil UI Pro →
Sao chép prompt cài đặt Pro
npx github:oil-oil/oil-cli install oil-ui-pro

Câu hỏi thường gặp

Bài so sánh này có đủ để quyết định tôi nên cài Skill nào không?

Đừng chỉ quyết định dựa trên điểm trung bình. Hãy so sánh phân cấp danh mục, thao tác di động, chuyển động, lỗi chức năng và giấy phép nguồn, rồi tự mở các bản demo khớp với ưu tiên của bạn.

Vì sao Oil UI run-3 chỉ đạt 83 điểm thị giác dù mọi kịch bản chức năng đều đạt?

Nghiệm thu xác nhận các hành vi quy định hoạt động đúng; đánh giá thị giác còn xem xét phản hồi trực quan. Mỗi lần dựng lại thẻ ở lượt này đều phát lại hoạt ảnh từ trạng thái trong suốt, khiến vùng kết quả gần như trắng trơn trong vài ảnh chụp tìm kiếm, lưu và đề xuất. Khiếm khuyết phản hồi nhìn thấy được này giải thích mức điểm 83, nhưng không chứng minh dữ liệu bị mất vĩnh viễn.

Hai lượt trượt của nhóm Không dùng Skill có nghĩa là tính năng lưu bị hỏng hoàn toàn không?

Không. Cả hai lượt đều trượt phép kiểm tra chính xác chuỗi văn bản Toast vì văn bản thực tế có thêm dấu tích và khoảng trắng. Điều đó không chứng minh tính năng lưu hay lưu bền vững hỏng hoàn toàn, nhưng không đạt hợp đồng định sẵn nên cả hai lượt vẫn tính trượt ở mức 5/6.

Tôi tự kiểm chứng các con số và màn hình trong bài viết này bằng cách nào?

Hãy tải results.json để xem từng điểm sáu chiều, tổng điểm và kết quả chức năng, sau đó mở ba ảnh desktop ban đầu, một ảnh di động và ba bản demo chạy thật của từng ứng viên. Mọi ảnh di động đều lấy từ run-1; không có lượt điểm cao hơn nào được thế chỗ, và không dùng ảnh biểu mẫu làm ảnh minh họa chính.

Hướng dẫn liên quan

So sánh hướng thiết kế song song ↗Blind Review màn hình thật ↗Oil UI so với v0, Lovable & shadcn/ui ↗