Everything Claude Code GAN Evaluator Agent 是一款专为 AI 编程助手（如 Claude Code）生态打造的对抗式评测代理，核心能力是自动用 Playwright 对真实运行的应用进行端到端测试，并按项目 Rubric 严格打分、输出结构化反馈。相比直接让 Claude 评测代码或截图，GAN Evaluator 能模拟真实用户操作、发现隐藏缺陷、量化产品体验，是实现高质量自动化闭环的关键组件，尤其适用于生成式开发、自动化回归和产品验收等场景。

Everything Claude Code GAN Evaluator Agent：用 Playwright 测试应用并按评分标准打分的对抗式评估

在 AI 辅助编程和自动化开发流程日益普及的今天，如何确保生成代码不仅“能跑”，更能达到专业产品级质量，成为开发者和团队的核心痛点。Everything Claude Code GAN Evaluator Agent（下文简称 GAN Evaluator）正是为此而生——它是 Everything Claude Code 完全指南：38 Agent + 156 Skill 的生产级 AI 编程插件 中专门负责“对抗式评估”的自动化代理，结合 Playwright 浏览器自动化和严苛的评分 Rubric，实现了远超传统 LLM 代码评审的质量保障。

一、GAN Evaluator Agent 是什么？解决什么问题？

GAN Evaluator Agent 作为 GAN-style 多代理 Harness 的“评审者”，其主要职责是：

• 自动化端到端测试：不是评审代码、不是看截图，而是直接操作真实运行中的应用（通常由 Generator Agent 启动 dev server），模拟用户全流程交互。
• 按评分标准打分：依据 gan-harness/eval-rubric.md 设定的项目 Rubric，对设计、原创性、工艺、功能性等多维度逐项打分，量化评估结果。
• 输出结构化反馈：将每次评估的分数、发现的问题、改进建议、截图等写入规范化的 Markdown 报告，驱动下一个生成-评估循环。

核心场景：

• 生成式开发闭环（Generator ↔ Evaluator 对抗式循环）
• 自动化回归测试与产品验收
• 多 Agent 并行评测与分数对比
• 高标准交付场景下的质量门控

相比直接让 Claude 评审代码，GAN Evaluator 的优势在于：

• 真实交互：能发现只有在实际操作下才暴露的问题（如边界输入、交互卡顿、响应式缺陷等）。
• 严格一致的评分：Rubric 驱动，避免主观“AI 友好”打分，确保每一分都代表真实产品水准。
• 结构化闭环：自动输出可追溯的评估报告，便于持续改进和团队协作。

二、核心能力与工作流程

1. 能做什么？

• 启动 Playwright，自动访问本地或远程 dev server
• 按 Rubric 检查页面加载、视觉层级、功能完整性、设计一致性、交互体验
• 系统性测试所有功能点，包括“正常流程+边界情况+错误状态”
• 检查设计细节（色彩、排版、响应式、交互动效等）
• 评估可访问性（键盘导航、表单校验、加载状态等）
• 针对每一项输出 1-10 分，并按权重加权总分
• 生成结构化的 Markdown 评估报告，含分数、问题、建议、截图等

2. 不能做什么？

• 不直接评审源码（而是评测运行中的产品）
• 不对 API/库项目做 UI 交互（但可切换 code-only 模式，仅跑测试/分析代码）
• 不容忍“AI 友好”打分，必须严格执行 Rubric
• 不负责 Generator 端的代码生成或修复

3. 触发方式

• 自动激活：在 GAN Harness 对抗式开发循环中，每次 Generator Agent 完成一次实现并启动 dev server，Evaluator 会自动接管评测流程。
• 手动调用：开发者也可在任意阶段通过命令或 UI 触发 GAN Evaluator，对当前应用状态进行一次评估，适合回归测试或多版本对比。

4. 与其他 Agent 的协作模式

GAN Evaluator 通常与以下 Agent 组合使用：

• GAN Generator Agent：负责根据规格生成/迭代实现，Evaluator 评测后将反馈驱动下一轮生成（详见 GAN Generator Agent 指南）。
• GAN Planner Agent：将需求拆解为功能列表和验收标准，Evaluator 按此 Rubric 评测（详见 GAN Planner Agent）。
• E2E Runner Agent：如需更细致的 E2E 测试脚本生成与维护，可与 Evaluator 形成互补（参考 E2E Runner Agent）。
• Code Reviewer Agent：在代码层面补充静态分析与安全审查，两者可串联保障全流程质量。

三、分步操作指南（含完整示例）

步骤 1：准备 Rubric 与运行环境

1. 确保项目根目录下有 gan-harness/eval-rubric.md（评分标准）、spec.md（功能需求）、generator-state.md（本轮实现状态）。
2. Generator Agent 启动 dev server（如 http://localhost:3000），确保 Evaluator 可访问。

步骤 2：自动化浏览器测试

Evaluator 会自动执行如下 Playwright 操作：

playwright navigate http://localhost:3000
playwright screenshot --name "initial-load"

并依次遍历每个功能点，测试正常流程、边界输入（如空值、超长文本、特殊字符）、错误状态、交互体验等，记录所有关键截图。

步骤 3：设计与交互细节审查

• 检查全局色彩、排版层级、响应式布局（375px/768px/1440px）
• 查找 AI-slop（如默认渐变、模板感强的布局）、对齐/间距/圆角/悬停等细节
• 验证键盘可达性、加载/过渡动画、表单校验等

步骤 4：打分与报告输出

Evaluator 按 Rubric 对每一项打 1-10 分（如设计、原创性、工艺、功能性），并用加权公式汇总总分：

weighted = (design * 0.3) + (originality * 0.2) + (craft * 0.3) + (functionality * 0.2)

报告结构如下：

# Evaluation — Iteration 003

## Scores

| Criterion      | Score | Weight | Weighted |
|----------------|-------|--------|----------|
| Design Quality | 7/10  | 0.3    | 2.1      |
| Originality    | 6/10  | 0.2    | 1.2      |
| Craft          | 7/10  | 0.3    | 2.1      |
| Functionality  | 8/10  | 0.2    | 1.6      |
| **TOTAL**      |       |        | **7.0/10** |

## Verdict: PASS / FAIL (threshold: 7.0)

## Critical Issues (must fix)
1. [登录表单未处理超长输入] → [限制最大长度并给出错误提示]
2. [移动端 375px 下侧边栏溢出] → [设置 max-width: 100% 并 overflow: hidden]

## Major Issues (should fix)
1. [配色与 Rubric 不符] → [替换为 spec palette 指定色值]

## Minor Issues (nice to fix)
1. [按钮 hover 态无动画] → [添加渐变过渡]

## What Improved Since Last Iteration
- 登录流程已支持错误提示
- 首页加载速度提升

## What Regressed Since Last Iteration
- 部分组件响应式适配回退

## Specific Suggestions for Next Iteration
1. 优化移动端布局，确保所有元素可见
2. 增强表单校验，覆盖特殊字符场景

## Screenshots
- 首页初始加载
- 登录失败提示
- 移动端溢出示例

步骤 5：反馈驱动下轮生成

Generator Agent 读取本次反馈，针对 Critical/Major Issues 优先修复，进入下一轮生成-评测闭环。

完整对话示例

用户：请对当前 dev server 运行的应用进行 GAN 评测，输出详细打分与改进建议。

GAN Evaluator Agent：
1. 读取 Rubric 与 spec
2. 启动 Playwright，遍历所有功能与边界场景
3. 检查设计一致性、交互体验、响应式等
4. 打分并生成结构化反馈报告
5. 输出关键截图
6. 标注所有必须修复的问题与建议

用户：收到，已根据反馈修复 Critical Issues，请再次评测。

GAN Evaluator Agent：重复上述流程，重点关注上次问题是否已解决，更新“Improved Since Last Iteration”与“Regressed Since Last Iteration”。

四、常见问题与注意事项

Q: 为什么不能直接让 Claude 评审代码或截图？ A: 代码和截图只能发现表层问题，无法还原真实用户体验。GAN Evaluator 能自动化全流程交互，发现隐藏 Bug 和交互细节缺陷，且评分更客观一致。

Q: 如果项目没有 UI 或是 API/库，该如何评测？ A: GAN Evaluator 支持 code-only 模式，会自动切换为跑测试、分析代码质量和接口响应，依然能输出结构化评估报告。

Q: 评分 Rubric 可以自定义吗？ A: 可以。只需在 gan-harness/eval-rubric.md 中调整评分项和权重，Evaluator 会自动按新 Rubric 执行评测。

---

通过 GAN Evaluator Agent，开发者可以将 AI 代码生成与专业级产品验收无缝衔接，实现自动化、可量化、可追溯的高质量闭环。建议结合 GAN Generator Agent 和 GAN Style Harness Skill 进一步提升团队的生成式开发能力。