jury

/jury

像 Awwwards 评审团那样为网站打分：只依据访客看到的内容和浏览器测得的数据，绝不依据代码、设计说明或网站所有者的意图。提交一张评分卡，为每个分数提供证据，并列出按优先级排序的修复项。

与 Awwwards 无关联。 评审标准和权重由其公开提供 （awwwards.com/about-evaluation）；评分仅为估算。每张评分卡都要注明这一点。

技能根目录： 包含此文件的目录（$SKILL；在命令中替换为绝对路径）。脚本需要 Node 20+ 和 Playwright，此外无障碍检查还需要 axe-core。 references/quality-bar.md 包含系统、评分标准和评审员说明。 references/calibration.md 包含该评审员与真实评审团之间的测量差距。此文件仅供你为评分卡参考。绝不要交给评审员。

为什么要盲评

知道网站的用途后，人们打分时关注的会是意图，而不是屏幕上的实际效果。评审员拿到一个 URL，只有几分钟时间。因此，评审员只能看到截图和测量数据：没有源代码、没有 DESIGN.md、没有 README，也没有网站所有者的推介。如果用户解释了创意，先暂缓考虑，等评分完成后再进行比较（步骤 5）。

工作流程

1. 目标

• 一个 URL： 为已部署的网站打分。
• 本地项目，没有 URL： 构建并提供生产构建产物。绝不要为开发服务器打分：未压缩的 JS 和开发环境覆盖层会破坏 WPO 并增加控制台噪声。
  • Next.js：执行 npm run build，然后在后台运行 npx next start -p 4400。
  • 静态构建产物（Astro、Vite、Next output: 'export'）： 在后台运行 node $SKILL/scripts/serve.mjs <dist|out> --port 4400。
  • 其他项目：使用项目自身的生产构建和启动命令。
• 只有开发环境 URL（启用了热重载的 localhost）：如果项目在此处，改为构建生产版本。如果项目不在此处，则为其打分，并说明 WPO 数据偏悲观。
• 多个 URL（“我的 vs 他们的”）：对每个 URL 分别执行步骤 3 到 5，每次都使用全新的评审员，然后将评分卡并排展示。
• 需要登录或密码： 无法为其打分。请提供公开 URL 或本地构建版本。

证据保存在当前目录下的 .jury/<host>/ 中（<host> 可以是 example.com 或 127.0.0.1-4400）。下文使用绝对路径。

2. 工具

脚本会从其工作目录解析 Playwright 和 axe-core。

• 如果当前项目已安装 Playwright（node -e "require.resolve('playwright')" 执行成功），就在该目录中运行脚本。
• 否则，不要为了评审给用户的项目添加依赖。在项目外的缓存目录中安装一次，然后从该目录运行脚本：

  mkdir -p ~/.cache/jury && cd ~/.cache/jury && npm init -y > /dev/null && npm i -D playwright axe-core
  

• 如果 shoot.mjs 报告未找到 Chromium，在该目录中运行一次 npx playwright install chromium。

3. 证据

node $SKILL/scripts/shoot.mjs <url> --crawl --nav --out <abs>/.jury/<host>/shots
node $SKILL/scripts/audit.mjs <url> > <abs>/.jury/<host>/audit.txt

• shoot.mjs --crawl 会为每种页面类型抓取一个页面（首页、每个顶级页面、每个集合各一项），以及 404 页面。每个页面都会拍摄：1440 宽的桌面端、390 宽且限速为中端设备的手机端（4x CPU、慢速 4G）、减少动态效果模式、键盘焦点、指针目标的静止/悬停状态对，以及空闲动态效果和页面过渡帧。每个页面需要一到两分钟。
• audit.mjs 发现 FAIL 时会以代码 1 退出。这是检查结果，并非运行故障。
• 若要快速查看单个页面，可省略 --crawl，并在审计时传入 --max 10。请在评分卡上说明仅覆盖一个页面。
• 打分前先确认这些证据真实有效。 打开 shots/home/d-01-hero.png 和 shots/summary.json。如果出现机器人验证、登录拦截、错误页面，或 report.json 显示有错误的空白画面，则没有可供评分的内容：停止并告知用户。Cookie 横幅不是停止评审的理由。访客也会看到它，因此它计入评分。
• 抓取量较小：审计最多检查 40 个 HTML 页面，截图最多检查 8 种页面类型。对于用户不拥有的网站，不要提高这些上限。

4. 评分

• 使用子 Agent： 将 references/quality-bar.md 中的评审简述（“Critic brief”）交给一个全新的子 Agent，并填入其中的三个路径（评分标准、.jury/<host>/shots/、.jury/<host>/audit.txt）。不要给它任何其他内容，也绝不要给它 calibration.md。它会读取每张截图，因此你自己的上下文可以保持精简。
• 不使用子 Agent： 根据相同的评审简述，仅凭证据自行评分，并在评分卡上注明是自评。
• **如果你在本次对话中构建或编辑了这个站点，**自评分就不是盲评。请使用子 Agent，或在评分卡上注明评分并非独立评定。

5. 评分卡

编写 .jury/<host>/scorecard.md，并在聊天中提供相同的评分卡：

# <site>: jury score
Estimate, not affiliated with Awwwards. <Independent critic | Self-score>, from <n> pages on <date>.

**The idea, as the critic read it:** one sentence
**Critic overall: 6.2** (0.4 Design + 0.3 Usability + 0.2 Creativity + 0.1 Content, on the critic's strict scale)
**Jury estimate: about 7.3** (critic + 1.1, measured on two recent Sites of the Day)
**Band, from the estimate:** below Honorable Mention (under 6.5) | Honorable Mention range (6.5 to 7.1) | Site of the Day range (7.2 and up)

| Criterion | Score | Evidence |
|---|---|---|
| Design (40%) | | file or report field, and what it shows |
| Usability (30%) | | |
| Creativity (20%) | | |
| Content (10%) | | |

| Developer | Score | Evidence |
|---|---|---|
| Semantics/SEO | | |
| Animations/Transitions | | |
| Accessibility | | |
| WPO | | |
| Responsive | | |
| Markup/Meta-data | | |

## Fixes, most score first
1. [Usability] m-03: what is wrong, and what to change
2. ...

## Measured
Mobile LCP and CLS, loader time, FPS, serious axe violations, overflow, `noHoverChange`,
`colorOnly`, idle motion, audit FAIL and WARN counts (from `summary.json` and the audit).

Not scored: anything stills can't show (how motion feels, sound).

从 references/calibration.md 中获取评审估分的偏移值（撰写本文时，上面的 1.1 就是该偏移值），并遵循其中的规则：评审自己的分数保持原样，开发者相关领域不提供评审估分。

然后，仅在聊天中：

• 如果用户告诉过你这个站点意在表达什么，用一行说明：评审的理解是否一致？如果不一致，说明站点没有传达出这一点，这就是 Creativity 最先要修复的问题。
• 提出两项最能提升总分的修复。
• 提供一个选择：如果这个项目就在当前环境中，就在此项目中修复这些问题；或者在项目中运行 /awwwards 进行重新设计。

修复后的重新评分

再次执行步骤 3 至 5，使用一个新的评审，绝不能使用之前的评审，也绝不能让它看到之前的评分卡，否则它会受到旧分数的锚定。在编写新评分卡之前，将旧评分卡重命名为 scorecard-<n>.md，然后展示各类别的分数变化。

规则

• 没有证据，就不给分。每个分数都要引用截图文件或报告字段。每个类别从 6 分起，并且只有证据才能让分数超过 6 分。每个类别都从 6 分开始，超过 6 分的每一分都必须有证据支撑。
• 不要为分数辩护并擅自提高分数。只有指出评审误读的截图，才能对分数提出异议。
• 根据屏幕上的实际效果评判站点。不要提出新概念；修复现有内容。
• 具体但不刻薄：“m-03：标题在 390 px 宽度下换成五行；将字号降至 14vw”，不要说“排版需要改进”。有人用心制作了这个站点。