Tags: #ai辅助开发

用慢读的请求竞态实验学习证据驱动的前端诊断。定位网络、数据、状态与样式问题，处理鉴权和重复提交，再用可复制提示词与验收矩阵约束 AI 修复。

从慢读的用户操作出发，区分真实用户指标与实验室数据，拆解 LCP 和主线程阻塞，按证据优化资源与 React，并用可复制提示词和测量记录验收结果。

围绕慢读资料库，把参考界面转成明确约束，统一样式 token，选择合适的组件，借助真实尺寸、截图与键盘操作验收 AI 生成的页面。附视觉改进和样式修复 Prompt。