同一个 AI 有时做得很好，有时总在同一个地方犯错，除了换模型还能改什么？
playwright.click("开始")
✗ 页面没有变化
功能评分：1 / 51独立评审器2Playwright 实际操作3截图 + 四类评分反馈怎样回到下一轮评审器把失败点击、现场截图和具体批评送回生成器，让下一轮按证据修正。
只有真实页面能操作、评审检查通过，这轮任务才结束。
截图只能证明页面能显示；会实际操作页面的评审器，才能证明体验是否真的可用。
同一种失败反复出现时，应补能暴露、记录并纠正它的环境支持，而不是只把提示词写得更长。
页面能显示但不能操作：独立评审器用浏览器实际点击、截图并检查完整流程。失败动作和具体批评会回到下一轮，而不是让生成页面的 Agent 自己给自己打分。
换一轮就重复旧工作：功能清单、进度文件、启动脚本和 Git 提交把状态留在项目里。下一轮先读记录并跑基础检查，再选择一个未完成项继续。
代码逐渐违反原有规则：简短项目地图帮助 Agent 找入口，结构化文档提供细节，自定义 lint 和结构测试把架构要求变成会失败的规则，并指出修正路径。
先不要直接重做功能。请把最近一次重复失败写成“可观察证据 → 缺少的环境支持 → 要补的文件、工具或检查 → 结果怎样回到下一轮 → 什么才算通过”。先给我一个最小 Harness 方案，再按方案修改并用真实结果验收。