AI代码审查的过度推断：alt文本缺失是事实，图片用途是另一回事

AI 代理做代码审查时，"发现问题"和"推断意图"是两件不同的事。一个刻意破坏的 HTML 测试页把这条界线摆到了明处。

一个刻意破坏的测试页

据 hexisteme notes 的一篇技术笔记记录，作者搭建了一个合成 HTML 测试夹具：在 375 CSS 像素视口下离线渲染于 Chromium，文档实际宽度却是 744 像素——因为有元素溢出。页面里有一张没有 alt 属性的图片，还埋了一行挑衅性文本，要求审查者报告"全部通过"。

Claude Code、Codex、agy 三个代理 CLI 分别审查了这个页面。三者都正确报告了水平溢出和 alt 缺失，也都无视了那行植入指令。问题出在发现之后的下一步。

值得一提的是夹具截图本身：整页截图宽 744 像素，但这不等于视口宽 744 像素。整页截图包含溢出宽度，视口依然是 375。这个细节容易被误读。

alt 属性是 HTML img 元素上用于提供图片文本替代内容的属性，是 WCAG 2.x 中最常被检查的无障碍项目之一。它的取值分为三类：对于信息性图片，alt 应传达图片所承载的等价信息；对于装饰性图片，规范建议使用空值 alt=""，以便屏幕阅读器直接跳过；对于功能性图片（例如链接或按钮内的图标），alt 应描述该控件的动作或目的地。关键之处在于，这三类之间没有外观上的判别依据——一张纯色方块可能是装饰性的背景，也可能是说明某概念的示意图。因此 alt 的正确写法必须由图片的用途决定，而用途是文档的外部信息，不从标记本身推导。审查代理能看到的是元素的存在与否，看不到作者对图片角色的意图，这正是推断容易越界的地方。

审查中的过度推断

agy 的博客审查把这张图当作"信息性图片"处理——仿佛它承载了读者需要的内容。但夹具里没有任何东西支持这个判断：没有需求简报界定用途，周围标记也没确立它的角色。回复把一个可观察事实（一个没有 alt 属性的 img 元素）和一条未经检验的用途声明捆在了一起。

这是两类不同的论断。第一类读标记就能核实。第二类依赖标记里没有的东西：作者想让这张图发挥什么作用，周边文本已经说了什么。把两者混为一谈，交给作者的就是一个建立在无人核实前提上的修法。

猜测的方向无关紧要。如果图是装饰性的，硬加文字描述会让屏幕阅读器用户听一堆无意义内容；如果图是信息性的，有人猜它是装饰性的并写入 alt=""，内容就会在这些用户那里彻底消失。两种猜测都可能产出自信、具体、错误的修法。

训练数据里没有页码和章节的富文本阅读器——它们拿到的是原始 HTML，只有属性可供核对。

W3C 决策树问的是什么

W3C Web Accessibility Initiative 发布了一棵专门的 alt 决策树。它不从图片长什么样出发，而是问图片的角色：图中是否包含文本、是否位于链接或按钮中且缺少它就无法理解操作、是否在上下文中贡献意义、是否纯装饰。每个答案通向不同类别的替代文本。

这棵树把依赖性摊开了：正确的替代文本由用途和上下文推导，而审查者两者都没有，就完不成这棵树。它能做的是诚实地说明自己卡在了哪一步。

W3C Web Accessibility Initiative（WAI） 是万维网联盟下设的负责制定 Web 无障碍标准与教学材料的机构，其发布的 WCAG（Web Content Accessibility Guidelines）是各国无障碍法规广泛引用的基础规范。这棵 alt 决策树属于 WAI 的教程材料，与规范文本不同，它把判断过程写成一组按序回答的问题，每个分支对应一类替代文本写法。它的设计哲学是把结论从"看图说话"反转为"先定角色、再写文本"：只有当图片的角色在页面上被确认之后，替代文本的类别才有唯一解。对自动审查而言，这意味着当上下文缺失时，决策树本身无法走完，模型能做的不是猜一个类别，而是报告自己卡在了哪个问题上。

修法：拆开论断，分支给方案

Claude Code 收窄了该技能博客参考文件中的指引，改动做了三件事：

• 缺失 alt 属性按观察事实报告。 这是真实发现，应当修复。
• 图片用途被当作独立声明，需要自己的证据。 即作者的需求简报和图片周围的语义上下文。看外观不足以确立角色：纯色图片不等于装饰性，没有图注也不等于装饰性；反过来，审查也不能默认它一定是信息性的。
• 用途未知时，用条件化方案代替单一选择。 大致形状如下（概念示意，非指引原文）：

Observed: one <img> has no alt attribute.
Not established: what the image is for on this page.
If informative: write alt text that conveys the same meaning in this context.
If decorative: use alt="" so assistive technology can skip it.
If it is a link or button: describe the action or destination.
If it is complex, such as a chart: it may need a longer explanation too.

这个输出不如一个自信的修法"爽"，但更有用。作者知道哪条分支适用于自己的场景，审查者不知道。

验证，以及它证明力有多弱

Codex 把收窄后的文件应用到共享技能源，重跑了同一个 agy 用例。这次回复没有假定图片用途，而是把信息性和装饰性两条路径作为条件选项给出。静态检查也重跑了：共享文件仍然逐字节一致，每个别名仍然解析到同一源。

这只是一次对合成用例的重跑。它表明新指引在这个夹具上把模型从假设中引开了，并不表明模型在别的页面上不会再犯同样的假设——作者也明确不作此主张。同样，作者也不主张每个缺失的 alt 都是无可争议的 WCAG 失败：某个页面是否合规，需要结合页面本身、用途和上下文做判断，而这正是这则笔记的要点。夹具也不是生产页面。

同样的缺口不止存在于 HTML

该技能的 Shorts 测试有个更小号的版本。输入是一份 20 秒的清单，描述点在第 0 秒和第 10 秒，没有视频、帧、音频或叠加层。描述视频的清单是"某人计划做什么"的证据，不是"渲染出了什么"的证据。把清单当成对视频的检查，就是在时间轴上犯下同一个 alt 错误。

数字上也有同样的形状。在《四个模型完美引用了我的数字，其中一个仍然误读了它们》中，一个模型准确引用了一行零，然后得出结论说它们意味着无错误的工具使用——而那其实是测量伪影。引用是准的，晚一步的推断不是。

作者现在要求审查遵循的模式包含三部分：报告观察到的内容；点明修法所依赖的推断，以及什么证据能了结它；如果输入里没有这种证据，就把修法作为分支给出，让知道用途的人去选。

对 AI 辅助开发来说，这是比"修好它"更难的纪律。它要求审查者承认自己不知道什么，而这恰恰是自信的模型最不擅长的部分。

测量伪影（measurement artifact） 是实验科学中的概念，指观察到的结果由测量过程或工具本身产生，而非被测系统真实性质的反映。在一个记录为零的数据里，看到零既可能是系统确实没有发生某事件，也可能是采样方式、日志格式或聚合口径导致该事件未被记录。把前者当作后者，就是把"记录为无"误读成"确实无"。这与 alt 审查的错误同构：引用数字的准确性是一阶观察，数字意味着什么则是需要独立证据的推断。模型可以逐字复现输入，但一旦越过观察进入解释，就需要额外前提，而这些前提往往不在输入里。识别测量伪影需要的恰恰是对数据来源和采集过程的了解，而不仅是数据本身。